RSI立大功！国产开源登顶全球第一，1.3B OXR重塑OCR
内容提要
国产团队推出1.3B开源文档解析模型OXR，在三大榜单登顶。该模型可解析表格、公式、化学结构等13类元素，单卡解析100页仅需101秒。核心创新是后训练引入递归自我改进（RSI），让模型自行找错、归因、生成训练数据并迭代，摆脱人工标注依赖。架构上拆分版面分析与识别，兼顾速度与可插拔性。官方提供免费API并开源代码权重。
延伸解读
RSI为何适合文档解析
文章指出，文档解析的每份输入都有客观确定的标准答案，文字、表格结构、公式符号的对错都能被精确测量。正因如此，模型可以自行判断解析结果是否正确，并据此生成训练数据，而不必依赖人工标注。OXR将这一特性与RSI结合，让模型在无标签真实文档上自我找错、归因、迭代，从而在1.3B参数量下实现高准确率。
Uncertain标签与扰动测试的巧思
在RSI的预测分类阶段，OXR没有采用非对即错的二分法，而是保留Uncertain档，避免评判模型在犹豫时强行给出确定标签、污染训练数据。同时，模型对同一文档多次采样，结果分歧大的样本会被归入Uncertain；再对高分歧样本做轻微图像扰动，若分歧扩大，则记录为视觉脆弱点，指导后续针对性补强。这些设计提升了数据筛选的可靠性。
架构拆分兼顾速度与可插拔
OXR将版面分析（LA）交给独立轻量模型，主模型同时负责内容识别与阅读顺序判断。文章解释，阅读顺序判断耗时远小于文本识别，并入主模型后不增加额外时间，反而借助语义理解提升准确率；LA卸下排序包袱后可采用更轻量检测模型，提升吞吐。此外，LA模块完全可插拔，业务方可用私有版面模型替换，后端继续使用OXR的识别能力。
低部署门槛与免费API的实用价值
OXR参数量仅1.3B，文章称一张RTX 3060基本就能满血运行，并已适配主流推理框架，可通过官方Docker或CLI一键拉起服务。官方还提供免注册、免申请Key的免费API，并表示在服务器负载可承受区间内会持续维护。对开发者而言，这降低了文档解析能力的接入成本，便于在写作APP等场景中快速集成验证。
Q&A
OXR模型是什么？它主要能做什么？
OXR是国产团队开源的1.3B参数文档解析模型，能解析表格、公式、代码块、图片、化学方程式等13类文档元素，将复杂文档转换为结构化Markdown或LaTeX等格式。
OXR在哪些榜单上登顶？成绩如何？
OXR在OmniDocBench、olmOCR-Bench和DocParsingBench三大榜单上均排名第一，并且在单张RTX PRO 6000上端到端解析100页文档仅需101秒，速度也是开源第一。
RSI在OXR中是如何应用的？
OXR在后训练阶段引入递归自我改进（RSI），让模型自行找错、归因、生成训练数据并迭代，不依赖新增人工标注。过程分三阶段：预测与分类（用通用VLM和多次采样将样本分为Correct/Wrong/Uncertain）、归因与训练规划（诊断错误原因并聚类）、数据生成（针对原因簇生成新数据回流训练）。
OXR的架构设计有什么特别之处？为什么速度快？
OXR将版面分析（LA）拆分为独立轻量模型，主模型同时负责内容识别（Recognition）和阅读顺序判断（RO）。这样消除了阅读顺序带来的性能损耗，且版面分析模块可插拔，能灵活适配不同业务需求，从而兼顾速度与准确性。
如何免费使用OXR？本地部署方便吗？
官方提供免费API（免注册、免申请Key），并开源代码和权重。本地部署适配主流推理框架，通过官方Docker或CLI挂载插件即可一键拉起服务，无需重新编译vLLM。
OXR和传统OCR或端到端大模型方案相比有什么优势？
传统OCR处理复杂版面时容易出错，端到端大模型速度慢。OXR通过拆分版面分析与识别、引入RSI自我改进，在准确率和速度上均达到SOTA，且模型仅1.3B，部署成本低，还能处理化学结构图等复杂元素。
