Nougat是一个用于学术文档的神经光学理解模型，可以识别文本、数学公式和表格，并以Markdown格式输出。模型使用了Swin Transformer和mBART。作者构建了一个训练数据集，收集了arXiv上的文章并转换为HTML5文件，然后转换为Mathpix Markdown格式。训练时使用了作者构建的数据集以及PMC和IDL数据集。Nougat的推断速度较慢，但精度较高。与Pix2Text相比，Nougat模型较大，但支持更多功能。P2T目前只能恢复段落级别的内容，未来计划完善版面恢复的全部功能。