RAG时代，制作mdx的重大突破

shawky.nasr

2 G8 o7 n/ z/ n  d* S% G参考：OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations
+ h  }2 {$ U5 i% M/ F( A( G
研究的代码
; Y4 `, l& b- Y$ a4 v$ G3 g
6 f# E- D& B3 }" j' y0 d7 w# K9 ^

总结结果：
1 T( m7 E8 t2 Z# G$ [* l  F! ~: Q, r

: u0 M& `& L4 b/ s" p$ `: Z5 n

* y$ l9 D' ]) w7 M. p8 j' H/ K6 c# a
4 u. n+ k$ t& F, l, c* k" S国外，最强识别模型是（到2025年4月）：Gemini-2.5-Pro
' y, H1 ^% @) k8 u. Z, t
5 Z# y4 K+ m- X  j$ O' r国内排行：

& a/ G% p0 g9 i8 p. z第一，Doc2X
7 t, V5 I" M( E2 y
第二：合合模型

( p6 R$ z/ E) I  s$ B; t/ E8 F/ b4 H第三：Qwen2.5-VL-72B

第四：MinerU

/ f0 k5 J( V+ s/ m相关：
- f: r, P# M9 |' n4 \2 v这个OCR很强呀

shawky.nasr

简单教程：
+ H- g. D7 K* ?9 t1.导出markdown
. R; r1 v4 \0 k6 D: U/ S2. 排版文本

1 v" G8 X; z6 Y* v- o
/ K4 T( z3 q' \7 G( b
0 C, t3 r, c+ i



6 I' G; w/ J: U- X; [6 ]% J6 ?

shawky.nasr

0 P/ _" q0 w4 B' K1 q1 [

: s0 ~" ]* S4 u+ d5 {3 f2 g