Logics-Parsing – 阿里开源的端到端文档解析模型

Logics-Parsing是什么

Logics-Parsing 是阿里巴巴开源的端到端文档解析模型，基于 Qwen2.5-VL-7B。通过强化学习优化文档布局分析和阅读顺序推断，能将 PDF 图像转换为结构化 HTML 输出，支持多种内容类型，包括普通文本、数学公式、表格、化学公式和手写中文字符。采用两阶段训练：第一阶段是监督微调，学习生成结构化输出；第二阶段是布局为中心的强化学习，优化文本准确性、布局定位和阅读顺序。在 LogicsParsingBench 基准测试中表现出色，尤其在纯文本、化学结构和手写内容解析方面优于其他方法。

Logics-Parsing的主要功能

• 端到端文档解析：Logics-Parsing 能将 PDF 图像直接转换为结构化的 HTML 输出，支持多种内容类型，包括普通文本、数学公式、表格、化学公式和手写中文字符。