تفوّق Infinity-Parser2 على DeepSeek-OCR-2 في تحليل المستندات وأتاح مجموعة بيانات تضم 5 ملايين مثال

في يوليو 2026، ظهر تقرير تقني لـ Infinity-Parser2 — وهو نموذج متعدد الأنماط لتحليل المستندات الشامل — على موقع arXiv. حقق النموذج نسبة 87.6% على olmOCR-Bench و74.3% على ParseBench، متفوقاً على DeepSeek-OCR-2 و PaddleOCR-VL-1.5 و MinerU2.5، وفي الوقت ذاته أطلق مدونة من 5 ملايين مستند معروّض للمجتمع.

ما الذي يستطيع Infinity-Parser2 فعله

معظم أنظمة التعرف البصري على النصوص تقرأ النصوص سطراً تلو الآخر وتضيع في الترتيبات المعقدة — الجداول والتعابير الرياضية والمخططات أو الصيغ الكيميائية. يتم تدريب Infinity-Parser2 على حل ثماني مهام بشكل متزامن ضمن بنية معمارية واحدة: تحليل المستندات وتحليل التخطيط ومعالجة الجداول والتعامل مع الصيغ الرياضية والكيميائية والتعرف على المخططات والإجابة على الأسئلة البصرية حول المستندات (VQA) والفهم متعدد الأنماط العام.

يسمح هذا النهج للنموذج باستعادة الهيكل الكامل للمستند — ليس فقط التعرف على الأحرف، بل فهم أيضاً موقع العنوان وموقع صف الجدول وموقع الصيغة والترتيب الذي يجب قراءتها فيه.

يتم إصدار النموذج في نسختين ضمن بنية معمارية مشتركة:

• Infinity-Parser2-Flash — محسّن لتأخير منخفض؛ الإنتاجية أعلى بـ 3.68 مرات من Infinity-Parser-7B
• Infinity-Parser2-Pro — دقة قصوى للتطبيقات الحرجة، بما في ذلك التوثيق العلمي والقانوني

نتائج المقاييس:

• olmOCR-Bench: 87.6% — أفضل نتيجة معروفة
• ParseBench: 74.3%
• تفوق النموذج على DeepSeek-OCR-2 و PaddleOCR-VL-1.5 و MinerU2.5

من أين جاءت البيانات

النقص في المدونات الموضحة بجودة عالية هي مشكلة مزمنة في تحليل المستندات. معظم مجموعات البيانات الموجودة تغطي فقط النصوص البسيطة أو أنواع محدودة من المستندات ونادراً ما تتضمن صيغاً علمية أو هياكل كيميائية. حل مؤلفو Infinity-Parser2 هذه المشكلة بإنشاء محرك تركيب بيانات خاص بهم: يقوم جهاز عرض محكوم بإنشاء مستندات بترتيبات وتعقيد متنوعة، بينما تضيف حلقة التكرار والتحسين توضيحات تفصيلية.

النتيجة هي مدونة مفتوحة المصدر Infinity-Doc2-5M: 5 ملايين مثال باللغتين الصينية والإنجليزية، تغطي المقالات العلمية والتقارير المالية والأدلة التقنية وأنواع أخرى من المستندات. يتم توضيح كل عينة بصناديق محددة للعناصر وأشكال قانونية للمحتوى (Markdown و HTML و LaTeX و SMILES والمخططات المنظمة) والترتيب الكامل لقراءة الصفحات. هذا المستوى من التفاصيل نادراً ما يوجد في الوصول المفتوح.

كيفية عمل التعلم المعزز المشترك

جوهر النموذج التقني هو نظام مكافأة متعدد المهام قابل للتحقق. بدلاً من تدريب نماذج متخصصة منفصلة للتعرف البصري على النصوص والجداول والصيغ، يطبق المؤلفون Joint Reinforcement Learning (JRL): تجمع دالة تحسين واحدة بين ثماني إشارات تدريب وتسمح لوكيل واحد بتعلم جميع المهام بشكل متزامن. قابلية التحقق من الإشارات تعني أن النموذج يتلقى ملاحظات مُنظَّمة بدلاً من درجة عددية بسيطة — هذا يحسن استقرار التدريب.

«توحيد الإدراك والهيكل والاستدلال في إشارة تحسين واحدة» — المبدأ المعماري الرئيسي لـ

Infinity-Parser2.

هذا يميزها بشكل أساسي عن المنافسين المدربين بشكل أساسي على مهام التعرف على النصوص: يُظهر Infinity-Parser2 نتائج قوية ليس فقط في التعرف البصري على النصوص بل أيضاً في المهام المتخصصة — تحليل الصيغ الكيميائية والإجابة على الأسئلة البصرية حول المستندات.

ما معنى هذا

يقلل نشر Infinity-Parser2 جنباً إلى جنب مع مدونة Infinity-Doc2-5M المفتوحة حاجز الدخول لتطوير أنظمة تحليل المستندات. الفرق التي تعمل مع أرشيفات PDF والمقالات العلمية والتوثيق المالي أو القانوني لديها الآن إمكانية الوصول إلى نموذج أساسي قابل للمنافسة وبيانات عالية الجودة للضبط الدقيق — دون الحاجة إلى بناء كليهما من الصفر.

الأسئلة الشائعة

كيف يختلف Infinity-Parser2-Flash عن نسخة Pro؟

Flash محسّن للسرعة: الإنتاجية أعلى بـ 3.68 مرات من Infinity-Parser-7B مع الحفاظ على جودة مقبولة. Pro يركز على الدقة — تحقق عليه سجلات بنسبة 87.6% على olmOCR-Bench و74.3% على ParseBench.

ما اللغات التي يدعمها مجموعة البيانات Infinity-Doc2-5M؟

المدونة ثنائية اللغة: الصينية والإنجليزية. تغطي أنواعاً متنوعة من المستندات بعلامات هيكل وصناديق محددة والترتيب الكامل لقراءة الصفحات.