Infinity-Parser2 يتفوق على DeepSeek-OCR-2 في تحليل المستندات ويفتح مجموعة بيانات من 5 ملايين عيّنة

في يوليو 2026 نُشر على arXiv التقرير التقني لنموذج Infinity-Parser2، وهو نموذج متعدد الوسائط لتحليل المستندات من البداية إلى النهاية. وسجّل النموذج 87,6% على olmOCR-Bench و74,3% على ParseBench، متفوقاً على DeepSeek-OCR-2 وPaddleOCR-VL-1.5 وMinerU2.5، كما أتاح للمجتمع مدوّنة من 5 ملايين مستند موسوم.

ما الذي يستطيع Infinity-Parser2 فعله

تقرأ معظم أنظمة OCR النص سطراً بسطر، وتخطئ حين يكون التنسيق معقداً، كما في الجداول والتعبيرات الرياضية والمخططات والصيغ الكيميائية. أما Infinity-Parser2 فقد جرى تدريبه على حل ثماني مهام في وقت واحد ضمن بنية موحّدة، وهي: تحليل المستندات، وتحليل التخطيط، ومعالجة الجداول، ومعالجة الصيغ الرياضية والكيميائية، والمخططات، والأسئلة البصرية حول المستندات (VQA)، والفهم العام متعدد الوسائط.

ويتيح هذا النهج للنموذج استعادة البنية الكاملة للمستند. فهو لا يكتفي بالتعرف على الرموز، بل يفهم أين العنوان، وأين صف الجدول، وأين الصيغة، وبأي ترتيب ينبغي قراءتها.

يصدر النموذج بنسختين ضمن بنية مشتركة:

• Infinity-Parser2-Flash — مُحسَّنة لخفض زمن الاستجابة؛ وتفوق إنتاجيتها إنتاجية Infinity-Parser-7B بمقدار 3,68 مرة
• Infinity-Parser2-Pro — أقصى دقة للتطبيقات الحرجة، بما في ذلك الوثائق العلمية والقانونية

نتائج الاختبارات المعيارية:

• olmOCR-Bench: 87,6% — أفضل نتيجة معروفة
• ParseBench: 74,3%
• تفوّق النموذج على DeepSeek-OCR-2 وPaddleOCR-VL-1.5 وMinerU2.5

من أين جاءت البيانات

يمثّل نقص المدوّنات الموسومة بجودة عالية مشكلة مزمنة في تحليل المستندات. فمعظم مجموعات البيانات الحالية تغطي النص البسيط أو أنواعاً محدودة من المستندات فقط، ولا تتضمن تقريباً صيغاً علمية أو بنى كيميائية. وقد عالج مؤلفو Infinity-Parser2 هذه المشكلة ببناء محرك خاص لتوليد البيانات الاصطناعية: يولّد مُصيِّر خاضع للتحكم مستندات متفاوتة التنسيق والتعقيد، وتضيف حلقة تحسين تكرارية وسماً تفصيلياً.

والنتيجة هي المدوّنة المفتوحة Infinity-Doc2-5M: 5 ملايين عيّنة باللغتين الصينية والإنجليزية، تشمل الأوراق العلمية والتقارير المالية والأدلة التقنية وأنواعاً أخرى من المستندات. وقد وُسمت كل عيّنة بمربعات إحاطة للعناصر، وبأشكال قياسية للمحتوى (Markdown وHTML وLaTeX وSMILES والمخططات المنظَّمة)، وبترتيب القراءة الكامل للصفحات. ونادراً ما يتوافر هذا المستوى من التفصيل في المصادر المفتوحة.

كيف يعمل التعلم المعزَّز المشترك

يتمثل جوهر النموذج التقني في نظام مكافآت متعدد المهام قابل للتحقق. فبدلاً من تدريب نماذج متخصصة منفصلة للتعرف الضوئي على الحروف والجداول والصيغ، يعتمد المؤلفون التعلم المعزَّز المشترك (Joint Reinforcement Learning، أو JRL): إذ تجمع دالة تحسين واحدة ثماني إشارات تدريب، ما يتيح لوكيل واحد أن يتعلم جميع المهام في آن واحد. وقابلية التحقق في هذه الإشارات تعني أن النموذج يتلقى تغذية راجعة منظَّمة وليس مجرد تقييم رقمي أحادي، وهو ما يزيد استقرار التدريب.

«توحيد الإدراك والبنية والاستدلال في إشارة تحسين واحدة» — هذا هو المبدأ المعماري الأساسي في

Infinity-Parser2.

ويميّزه هذا جوهرياً عن المنافسين الذين دُرّبوا في الغالب على مهام التعرف على النص. فنتائج Infinity-Parser2 قوية في OCR وكذلك في المهام المتخصصة، مثل تحليل الصيغ الكيميائية والأسئلة البصرية حول المستندات.

ماذا يعني ذلك

يخفّض إصدار Infinity-Parser2 مع المدوّنة المفتوحة Infinity-Doc2-5M عتبة الدخول إلى تطوير أنظمة تحليل المستندات. فالفرق التي تتعامل مع أرشيفات PDF والأوراق العلمية والوثائق المالية أو القانونية تحصل على نموذج أساسي منافس وبيانات عالية الجودة للضبط الدقيق، دون الحاجة إلى بناء الجزأين من الصفر.

أسئلة شائعة

ما الفرق بين Infinity-Parser2-Flash ونسخة Pro؟

نسخة Flash مُحسَّنة للسرعة: فإنتاجيتها أعلى بمقدار 3,68 مرة من Infinity-Parser-7B مع الحفاظ على جودة مقبولة. أما Pro فتركّز على الدقة، وعليها تحققت النتيجتان القياسيتان: 87,6% على olmOCR-Bench و74,3% على ParseBench.

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

المدوّنة ثنائية اللغة: الصينية والإنجليزية. وهي تغطي أنواعاً متنوعة من المستندات مع وسم للبنية، ومربعات إحاطة، وترتيب القراءة الكامل للصفحات.