【免费下载链接】AWESOME-OCR-LLMOCR in the Era of Large Language Models项目地址https://gitcode.com/gh_mirrors/aw/AWESOME-OCR-LLM点击查看免费下载如果你正在关注**大模型时代OCROCR in the LLM Era**的研究进展这份AWESOME-OCR-LLM论文清单值得收藏。它是一份持续更新的开源 Awesome 列表收录了近5年2021年至今900余篇文档解析、文档理解、视觉文本生成、专用OCR模型与评测基准的最新论文并每日追踪新发表的 Daily Papers是入门和研究者快速建立 OCR LLM 全景认知的最佳导航。一、AWESOME-OCR-LLM 是什么简单说它是一个「大模型时代的 OCR 论文地图」。定位清晰只收录把大视觉语言模型VLM / MLLM用在文字密集图像与文档上的工作解析、理解、生成、评测而不是泛泛的文档AI或传统 OCR 1.0 列表持续更新README.md 顶部的 Daily Papers 板块每天收录最新论文如 2026-10-26 当天的RxnExBench化学文献反应抽取基准⚖️严谨视角项目专门提示——多数系统以技术报告形式发布、自报指标且测试集不一跨论文的分数通常不可直接比较二、900篇论文的五大分类全景整个列表分为五大板块每块都有独立完整清单README 中展示最新约30条完整列表在full-lists/目录板块内容论文量完整清单 Document Parsing文档解析版面、结构、端到端转 Markdown108full-lists/Document-Parsing.md Document Understanding文档理解长文档问答、图表推理、RAG197full-lists/Document-Understanding.md Visual Text Generation视觉文本生成海报、场景文字、字体渲染91full-lists/Visual-Text-Generation.md Specialized Model专用OCR模型公式、手写、古籍、篡改检测等11个子方向427full-lists/Specialized-Model.md Benchmarks基准与评测如何科学打分107full-lists/Benchmarks-and-Evaluation.md1️⃣ Document Parsing从模块流水线到端到端 VLM传统解析是检测→识别→版面的流水线LLM 时代正被端到端 VLM 架构取代。清单里的明星工作包括阿里的Logics-Parsing-V3、百度的PaddleOCR-VL-1.6与Unlimited-OCR、上海AI Lab 的MinerU2.5-Pro、腾讯的WeVisDoc等覆盖从长文档结构感知解析到投机解码加速的最新方向。2️⃣ Document Understanding从读得出来到想得明白这是论文最多的板块。研究重点已从识别转向语义理解与推理长文档 VQASEER视觉-文本选择性压缩、DocPilot交互式智能体编排多模态 RAGHAM-RAG、Doc-REFRAG、TopoGraphRAG-Bench智能体化DocClaw统一智能体文档处理系统、DocArena文档搜索智能体训练环境3️⃣ Visual Text GenerationOCR 的创造性逆过程如果说 OCR 是图→文视觉文本生成就是文→图。清单收录了海报生成PosterOmni、PosterVerse、场景文字编辑TextFlow、TextWand、中文字形渲染GlyphPrinter、GlyphBanana以及Qwen-Image-2.0、GPT-Image-1.5等通用生成模型的视觉文本能力。4️⃣ Specialized Model11个垂直子方向专用 OCR 模型板块细分出 11 个方向是垂直领域研究者的宝藏文档去扭曲 · 物理结构分析 · 阅读顺序预测 · 数学公式识别 · 表格与图表理解 · 场景文字 · 文字擦除与编辑 · 文字图像超分 · 手写文档分析 · 视频文字分析 · 历史文档分析 · 篡改检测与取证例如甲骨文字符破译AlphaOracle、古代文物文字识别Ancient-Bench覆盖3000年、7种古文字、AI生成文字图像检测TextFake等前沿应用。5️⃣ Benchmarks and Evaluation基准的可执行化趋势项目认为构建统一、抗污染、可复现的基准是排行榜可信的前提。近期基准如DocHop最佳 MLLM 仅 62.8% 准确率人类超 90%、WildHandBench最佳模型落后于人类标注者、LongHisDoc中文古籍整书问答都在揭示模型与人类之间的真实差距。三、LLM 时代 OCR 的10大趋势项目 README.md 中的 Emerging Trends2023–2026是快速把握风向的精华建议新手优先阅读端到端 VLM 解析取代模块化 OCR 流水线强化学习用于版面与阅读顺序建模OCR-free 文档理解模型规模下沉1B 参数以下的紧凑文档 VLM长文档 OCR 是token 一致性的缩放问题结构版面逻辑成为新的准确率生成式 OCR 的核心风险从误识别变为幻觉基准走向可执行化评测文档智能体与 PDF 上的自主推理文档智能体需要可恢复性而非一次性完美四、新手快速上手指南第一步5分钟概览 打开 README.md阅读 Overview范围界定、News最新动态和 Emerging Trends趋势速览三个板块。第二步跟踪前沿 关注 README 顶部的 Daily Papers 板块它按五大板块每日收录最新论文含发表机构、时间无需再翻遍 arXiv。第三步按兴趣深挖 按需进入full-lists/下的完整清单每个板块均有Venue / 名称 / 机构 / 标题 / 代码链接 / 时间六列结构化表格方便筛选做文档解析 → Document-Parsing.md做文档问答/RAG → Document-Understanding.md做海报/文字生成 → Visual-Text-Generation.md做垂直OCR任务 → Specialized-Model.md做评测基准 → Benchmarks-and-Evaluation.md第四步克隆到本地 如果想离线浏览或订阅更新可执行git clone https://gitcode.com/gh_mirrors/aw/AWESOME-OCR-LLM五、总结AWESOME-OCR-LLM 用一份持续更新的 900 篇论文全景列表回答了三个问题大模型时代 OCR 研究在做什么五大板块往哪走十大趋势如何衡量基准与评测的严谨态度无论你是想选型文档解析方案、寻找长文档理解论文还是想追踪视觉文本生成的最新工作这份列表都能帮你少走弯路——收藏它每天花两分钟看 Daily Papers即可保持对大模型时代 OCR 前沿的持续感知。赞分享【免费下载链接】AWESOME-OCR-LLMOCR in the Era of Large Language Models项目地址https://gitcode.com/gh_mirrors/aw/AWESOME-OCR-LLM点击查看免费下载相关推荐AWESOME-OCR-LLM十大前沿趋势清单OCR-free模型、长文档智能体与可执行评测一次看懂AWESOME OCR LLM十大前沿趋势清单OCR free模型、长文档智能体与可执行评测一次看懂 AWESOME OCR LLM 是一个持续更新的开源阅读100篇OCR VLM模型怎么选基于AWESOME-OCR-LLM的入门选型实操指南100篇OCR VLM模型怎么选基于AWESOME OCR LLM的入门选型实操指南 面对 PaddleOCR VL、MinerU、GLM OCR 等上百个一文读懂 Indra OCR 的 auto 模式它如何判断 PDF 文本层可信、何时回退到 OCR一文读懂 Indra OCR 的 auto 模式它如何判断 PDF 文本层可信、何时回退到 OCR Indra OCR 是一个只有 1M 参数、跑在 CPU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考