讲 OCR 双模型：小解析器出结果，Jev 打分后对低分再纠错
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。
- 分级
- 值得看
- 收录时间
- 2026-10-29
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.
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。