olmOCR 2: Ricompense per i Test Unitari nel Riconoscimento Ottico dei Documenti (OCR)

olmOCR 2: Unit Test Rewards for Document OCR

October 22, 2025

Autori: Jake Poznanski, Luca Soldaini, Kyle Lo

cs.AI

Abstract

Presentiamo olmOCR 2, l'ultimo membro della nostra famiglia di potenti sistemi OCR per convertire documenti stampati digitalizzati, come i PDF, in testo semplice, pulito e ordinato in modo naturale. olmOCR 2 è alimentato da olmOCR-2-7B-1025, un modello linguistico visivo (VLM) specializzato da 7 miliardi di parametri, addestrato utilizzando il reinforcement learning con ricompense verificabili (RLVR), dove le nostre ricompense sono un insieme diversificato di test unitari binari. Per scalare la creazione di test unitari, abbiamo sviluppato una pipeline per generare documenti sintetici con layout diversificati e complessi, codice HTML sorgente noto e casi di test estratti. Dimostriamo che l'addestramento RL su questi casi di test porta a prestazioni all'avanguardia su olmOCR-Bench, il nostro benchmark OCR in lingua inglese, con i miglioramenti più significativi nella conversione di formule matematiche, nell'analisi di tabelle e nei layout a più colonne rispetto alle versioni precedenti. Rilasciamo il nostro modello, i dati e il codice con licenze open permissive.

English

We present olmOCR 2, the latest in our family of powerful OCR systems for converting digitized print documents, like PDFs, into clean, naturally ordered plain text. olmOCR 2 is powered by olmOCR-2-7B-1025, a specialized, 7B vision language model (VLM) trained using reinforcement learning with verifiable rewards (RLVR), where our rewards are a diverse set of binary unit tests. To scale unit test creation, we develop a pipeline for generating synthetic documents with diverse and challenging layouts, known ground-truth HTML source code, and extracted test cases. We show that RL training on these test cases results in state-of-the-art performance on olmOCR-Bench, our English-language OCR benchmark, with the largest improvements in math formula conversion, table parsing, and multi-column layouts compared to previous versions. We release our model, data and code under permissive open licenses.