LightOnAI推出的LightOnOCR模型

什么是LightOnOCR-2-1B?

LightOnOCR-2-1B是LightOnAI最新推出的高效OCR模型，尽管仅有10亿参数量，却在处理复杂文档方面表现出色。该模型特别擅长识别学术论文、数学公式和复杂表格等内容，并能以Markdown格式输出结构化文本。其独特的RLVR强化学习技术不仅提升了识别准确率，还显著降低了成本。据测试数据显示，在单张H100显卡支持下，每秒可处理5.71页文档，千页处理成本低至0.01美元。

LightOnOCR-2-1B的核心功能

• Markdown结构化输出：将扫描文档自动转换为结构化的Markdown格式文本，保留所有标题、列表、代码块等重要信息，极大提升后续编辑效率。
• 表格还原能力：支持复杂统计表的准确识别与重建，确保数据完整性和可读性。
• 数学公式识别：完美兼容LaTeX/KaTeX格式，特别适用于需要精确呈现数学公式的学术论文和工程文档。
• 多栏布局处理：智能解析多栏排版的阅读顺序，有效应对报纸、期刊等复杂版式文档。
• 边界框预测（bbox变体）：精准识别文字内容并预测其位置信息，便于后续图文对应处理和区域划分。
• 高效低成本运行：凭借优化的模型架构，在H100显卡上实现了每秒5.71页的高速处理能力，千页处理成本仅需约0.01美元，为大规模文档处理提供了经济高效的解决方案。

LightOnOCR-2-1B的技术优势

• 基于验证反馈的强化学习（RLVR）：采用创新的奖励机制优化模型表现。通过KaTeX渲染效果评估作为数学公式识别的关键指标，确保输出的LaTeX代码既规范又可准确呈现。
• 压缩奖励机制：专门设计了惩罚重复行为的奖励策略，有效降低重复预测的发生率，相比传统方法减少超过50%。这一优化措施特别针对小模型常见的循环问题，显著提升了识别稳定性。