@VikParuchuri：OlmOCR 是设计最出色的 OCR 基准测试，但它已趋于饱和。如今的提升主要来自为匹配测试而进行的后处理，……
摘要
Vik Paruchuri 认为，OlmOCR 是设计最出色的 OCR 基准测试，但其性能已趋于饱和，近期的提升主要来自为匹配测试集而采用的后处理技巧，而非模型本身的真正改进。
OlmOCR 是设计最出色的 OCR 基准测试，但它已经饱和了。
如今的提升主要来自为匹配测试而进行的后处理，而非模型质量的改进。https://t.co/mKdh62y8zo
查看缓存全文
缓存时间: 2026/10/11 13:10
OlmOCR 是设计得最好的 OCR 基准测试，但它已经饱和了。
如今的提升主要来自为匹配测试而进行的后处理，而非模型质量的改进。https://t.co/mKdh62y8zo
相似文章
@akshay_pachaar：找到最适合你的 OCR 方案的最简单方法：我在同一批……上运行了 DeepSeek-OCR、PaddleOCR-VL 和 Datalab Surya
一个名为 OmniParse Bench 的开源文档解析基准测试发布了，该测试在 92 种语言的 2,937 页文档上运行了 16,288 项测试，用于对比 DeepSeek-OCR、PaddleOCR-VL 和 Surya 等 OCR 方案，结果表明没有任何一个解析器能在所有文档类型上都表现最佳。
@VikParuchuri：Marker 由新的 Surya OCR 2 模型驱动（https://github.com/datalab-to/surya…），该模型是在参数量低于 1B 的模型中得分最高的…
Datalab 宣布推出 Surya OCR 2，这是一个 650M 参数的 OCR 模型，在 olmOCR 基准测试中，参数量低于 1B 的模型里取得了最高准确率，同时速度快且支持多语言。
18 款 LLM OCR 实测（7k+ 次调用）：便宜/旧模型常吊打旗舰，完整数据集+框架已开源 [R]
对 18 款大模型在 OCR 任务上的全面评测（7k+ 次调用）发现，便宜或旧模型往往能以极低成本达到与旗舰模型相当的准确率，数据集与评测框架已完全开源。
@VikParuchuri: Surya 2 拥有6.5亿参数，在olmocr上达到83.3%的准确率，是最精确的小型OCR模型。一个原因是字符标记化...
Surya 2是一个拥有6.5亿参数的OCR模型，在olmocr上达到83.3%的准确率，声称是最精确的小型OCR模型，这得益于字符标记化技术，提高了准确率和模型大小。
@techNmak：1.7B 参数轻量 VLM，在 OmniDocBench 上碾压巨头的 OCR 新王者
仅 1.7B 参数的多语言文档解析器 dots.ocr，用轻量体积实现 SOTA，证明文档理解无需巨无霸模型。