# 讲 OCR 双模型：小解析器出结果，Jev 打分后对低分再纠错

- 原标题：讲 OCR 双模型：小解析器出结果，Jev 打分后对低分再纠错
- 类型：帖子
- 来源：X
- 发布时间：2026-10-28
- 首次精选：2026-10-29 15:07
- 分级：值得看
- 学习层级：进阶
- 主题：[document-understanding](<https://oplearnx.com/md/topics/document-understanding.md>)（第 7 位）、[judges-quality-validation](<https://oplearnx.com/md/topics/judges-quality-validation.md>)（第 17 位）
- 原文链接：[https://x.com/omarsar0/status/2115451743848759562](<https://x.com/omarsar0/status/2115451743848759562>)
- 本站页面：[https://oplearnx.com/resources/pk\_62b3d23fffc4](<https://oplearnx.com/resources/pk_62b3d23fffc4>)

## 摘要

elvis（@omarsar0）在 X 上的帖子，介绍 OpenBMB 与 ModelBest 的 MiniCPM-OCR：一个 1.3B 参数的小型开源文档解析器，支持中英文扫描件、照片、弯曲与倾斜页面及关键信息抽取；第二个模型 MiniCPM-OCR Jev 对提取出的文本、公式和表格给出可靠性评分，也可用于其他 OCR 模型的输出。帖子给出流程示例：解析文档、用 Jev 打分、将低分结果交给人工或纠错步骤，并提到权重开放、支持 llama.cpp、vLLM、SGLang、Ollama 推理及 Agent Skills 集成。适合构建文档处理智能体或 OCR 流水线的人关注或阅读。

## 原帖

> The second model, MiniCPM-OCR Jev, checks extracted text, formulas, and tables. It also works on outputs from other OCR models, so you can run it on top of the parser you already use.

— omarsar0 · 2026-10-28 · [原帖](<https://x.com/omarsar0/status/2115451743848759562>)

## 中文大意

发帖人 elvis 介绍 OpenBMB 与 ModelBest 的 MiniCPM-OCR：一个仅 1.3B 参数的小型开放文档解析器，处理中英文文档，覆盖扫描件、照片、弯曲页面和倾斜输入，并支持关键信息抽取。第二个模型 MiniCPM-OCR Jev 用于给解析输出的文本、公式和表格打分评估可靠性，也能作用于其他 OCR 模型的输出。他给出的流程是：先用 MiniCPM-OCR 解析，再用 Jev 打分，低分结果交给人工或纠错步骤；并强调 Jev 只估计可靠性、不自行修正错误。权重开放，提供微调框架，支持 llama.cpp、vLLM、SGLang、Ollama 推理，并有 Agent Skills 集成，帖中还附了 GitHub 与 Hugging Face 链接（含 MiniCPM-OCR 1.0 与 Jev）。他建议构建文档 agent 的人用密集表格、公式、手机照片等最难的页…

## 讨论区核心观点

依据 1 条评论。

- 公式是最该先测的部分：表格出错很明显，而错误的指数之类会安安静静地看起来正常。

---
来源：LearnMap · 学径（https://oplearnx.com）