暴雨也挡不住交流热情，MinerU 开发者线下沙龙上海站圆满收官！

5月24日，一个暴雨的午后，MinerU 官方开发者线下沙龙·上海站在徐汇区模速空间顺利举办

虽然天气并不算友好，但现场依然迎来了许多开发者、科研 AI 实践者、社区用户与开源关注者。大家围绕科学数据、文档智能、数据质量评测、MinerU 开源生态等话题展开深入交流，共度了一个信息密度很高、讨论氛围很热烈的下午。

本次沙龙以“科学数据赋能 AGI4S”为主题，旨在通过线下交流的方式，让社区用户更近距离了解 MinerU 的项目进展、技术探索与生态动作，也让 MinerU 团队听到更多来自真实使用场景的一线反馈。

一起来回顾精彩瞬间！

一、Sciverse：面向 AGI4S 的科学数据基座

活动开场，上海人工智能实验室大数据中心商富凯带来了《Sciverse：面向 AGI4S 的科学数据基座》主题分享。

分享从 AI 发展阶段切入：从对话式 AI，到 Agentic AI，再到面向科学发现的 AI for Science，科学数据正在成为支撑新一代智能系统的关键基础设施。针对科研发展中长期存在的数据封闭、暗数据流失、科学数据复杂、基础设施错配等问题，MinerU 团队最新推出的 Sciverse 科学智能数据库尝试构建一个面向科学大模型与 AI Agent 的数据底座。

在现场分享中，商富凯重点介绍了 Sciverse 的三层数据体系：面向科学通识的 Sci-Base、面向跨模态对齐的 Sci-Align，以及面向科学演化推理的 Sci-Evo。依托 MinerU 的高精度文档解析能力，Sciverse 能够将文献中的正文、公式、表格、图像等内容转化为更适合 Agent 调用的结构化数据，并通过 API 支持检索、片段读取和后续分析。

从海量文献检索，到材料、化学、生物医药等垂直领域数据构建，再到面向 Agent 的科研数据调用方式，Sciverse 展示了从“科学文献”走向“AI-Ready 科学数据”的完整路径。目前 Sciverse 已经对外开放使用，用户可以通过 API 、Skills等多种方式，获取2600万+公开（OA）科学论文、文献元数据、全文，构筑可用、可追溯以及被模型和 Agent 调用的能力。欢迎使用：https://sciverse.space

二、MinerU：构筑大模型时代的文档数据基石

随后，上海人工智能实验室 MinerU 核心成员赵致远带来了《MinerU：构筑大模型时代的文档数据基石》的主题演讲。

赵致远首先回顾了文档解析的发展脉络：从传统 OCR，到大模型时代重新认识文档价值，再到 RAG、知识库、Agent 等应用对高质量解析能力提出更高要求。

在 MinerU 的技术演进部分，分享重点介绍了从早期 Pipeline 方法，到 MinerU2.5 解耦式多模态大模型，再到 MinerU2.5-Pro 数据驱动新范式的迭代过程。针对布局检测、公式识别、表格解析、阅读顺序等关键问题，MinerU 持续在算法、数据工程和评测体系上推进优化。

其中，MinerU2.5 通过“低分辨率全局布局分析 + 原生分辨率局部内容识别”的二阶段架构，提高了复杂文档解析的效率与精度；MinerU2.5-Pro 则在模型架构不变的基础上，通过更系统的数据工程和困难样本训练，实现了性能进一步提升。

赵致远也介绍了 MinerU 当前的开源生态进展：项目已获得 6 万以上 GitHub Stars，模型下载量、在线解析服务和社区使用规模持续增长，并已在科研、金融、企业知识库等场景中被广泛关注和应用。同时也预告了跨页表格、跨页段落、多层级标题、图文关联后处理模型 MinerU-Popo。（MinerU-Popo目前已发布，点击了解：MinerU-Popo来了：让文档解析从“看懂每页”走向“读懂整篇”）

三、数据质量评测：让科学数据真正可用、可信

中场休息后，上海人工智能实验室 MinerU 项目评测储培带来了《面向 AGI4S 的多维度数据质量评测体系》主题分享。

在科学数据和文档智能应用中，“能解析”只是第一步。更关键的是：解析结果是否准确、完整、稳定？检索结果是否真正相关？最终交付给模型和 Agent 的数据是否可信？

围绕这些问题，储培介绍了面向 AGI4S 的多维度数据质量评测框架，核心包括两部分：内容质量评测与检索质量评测。

在内容质量方面，分享重点介绍了 OmniDocBench。作为面向真实场景的多样性文档解析评测集，OmniDocBench 覆盖多种文档类型、多种语言和复杂版式，从文本、公式、表格、阅读顺序等维度衡量解析质量。最新评测中，MinerU2.5-Pro 在多个关键指标上表现突出。

在检索质量方面，分享介绍了 LitSearch 和 Dingo 等评测工具。LitSearch 面向真实学术文献检索场景，关注复杂科研查询下的召回、排序和深层检索能力；Dingo 则用于数据、模型和应用质量评估，支持从离线基准到在线监控的质量闭环。

让现场观众更清楚地了解到：要让文档智能真正服务科研和 Agent 应用，不仅需要强大的解析能力，也需要持续、系统、可度量的质量评测体系。

四、交流不断，问题被带到现场

除了三场主题分享，本次沙龙的现场交流同样热烈。

在自由讨论环节，参会者围绕 MinerU 的使用体验、复杂文档解析、科研场景适配、知识库构建、Agent 调用、API 能力、后续开源计划等方向提出了许多具体问题。也有开发者结合自己的项目场景，和 MinerU 团队进行了更深入的交流。

这些问题有的来自科研文献处理，有的来自企业知识库建设，有的来自正在探索中的数据智能应用。正是这些真实、具体、带着场景的问题，让线下交流变得格外有价值。

五、继续和社区一起向前

这次上海站，是 MinerU 官方社区走到线下的一次重要尝试。

我们希望通过这样的交流，让大家更了解 MinerU 的项目进展、团队探索与生态规划；也希望通过面对面的沟通，听到更多来自用户、开发者和科研 AI 实践者的真实声音。

感谢每一位冒雨来到现场的朋友。也特别感谢大家在现场提出的建议、反馈和问题。MinerU 会继续围绕文档智能、科学数据、开源生态和真实应用场景持续建设。

*本次活动特别鸣谢战略合作伙伴浦发银行