document-parsing

LlamaIndex 对其官网进行了全面改版，并重申了以 AI 驱动文档 OCR 的核心使命，旗下产品涵盖商业产品 LlamaParse 以及开源工具 LiteParse 和 ParseBench。LlamaParse 采用基于 VLM 的智能文档理解技术，可大规模处理复杂版式、表格、图表及手写文字。

PaddleOCR-VL 是一个紧凑的 0.9B 视觉语言模型，通过集成 NaViT 风格的动态分辨率与 ERNIE 语言模型，在多语言文档解析和元素识别方面实现了最先进的性能。

MinerU2.5 是一个拥有 12 亿参数的视觉-语言模型，通过采用由粗到细的解析策略，在保持高计算效率的同时实现了最先进的文档解析准确率。