OvisOCR2 Technisch Rapport

Samenvatting

We presenteren OvisOCR2, een documentparsemodel van 0,8B. OvisOCR2 is ontworpen als een end-to-end parser: gegeven een afbeelding van een documentpagina genereert het een Markdown-weergave in natuurlijke leesvolgorde, die tekst, formules, tabellen en visuele gebieden omvat. We bouwen een data-engine die gefilterde echte documentannotaties combineert met synthetische pagina's waarvan de weergegeven afbeeldingen en Markdown-doelen zijn afgeleid van dezelfde HTML-bron. Het trainingsrecept omvat supervised fine-tuning, reinforcement learning op een 4B-tak met een multi-component beloningsontwerp, on-policy distillatie naar het 0,8B-model, en modelfusie. Op OmniDocBench v1.6 behaalt OvisOCR2 een state-of-the-art overall score van 96,58, waarmee een end-to-end model bovenaan deze ranglijst staat die voorheen werd gedomineerd door pijplijnmethoden, wat het potentieel van end-to-end documentparsing benadrukt. Op PureDocBench behaalt OvisOCR2 ook de hoogste Avg3-score van 75,06. Naast deze twee openbare benchmarks evalueren we OvisOCR2 op een interne benchmark die is ontworpen om een bredere reeks long-tail en uitdagende scenario's te dekken. OvisOCR2 behaalt de beste algehele prestaties onder de vergeleken methoden, wat verder bewijs levert van de generalisatie en robuustheid. OvisOCR2 is beschikbaar op https://huggingface.co/ATH-MaaS/OvisOCR2.

English

We introduce OvisOCR2, a 0.8B document parsing model. OvisOCR2 is designed as an end-to-end parser: given a document page image, it generates a Markdown representation in natural reading order, covering text, formulas, tables, and visual regions. We build a data engine that combines filtered real-document annotations with synthetic pages whose rendered images and Markdown targets are derived from the same HTML source. The training recipe includes supervised fine-tuning, reinforcement learning on a 4B branch with a multi-component reward design, on-policy distillation into the 0.8B model, and model fusion. On OmniDocBench v1.6, OvisOCR2 achieves a state-of-the-art overall score of 96.58, placing an end-to-end model at the top of this leaderboard previously dominated by pipeline methods and highlighting the potential of end-to-end document parsing. On PureDocBench, OvisOCR2 also achieves the highest Avg3 score of 75.06. Beyond these two public benchmarks, we evaluate OvisOCR2 on an in-house benchmark designed to cover a broader set of long-tail and challenging scenarios. OvisOCR2 obtains the best overall performance among the compared methods, providing further evidence of its generalization and robustness. OvisOCR2 is available at https://huggingface.co/ATH-MaaS/OvisOCR2.