腾讯开源POINTS-Reader：文档转换进入"零蒸馏"时代，OmniDocBench中英双冠刷新行业标准
项目地址: https://ai.gitcode.com/tencent_hunyuan/POINTS-Reader 导语
腾讯混元实验室推出端到端文档转换模型POINTS-Reader，以无蒸馏技术突破传统瓶颈，在国际权威评测集OmniDocBench上斩获中英双语双料冠军，600M轻量化架构实现行业领先吞吐量，标志着智能文档处理正式进入自主进化新阶段。
行业现状：智能文档处理的三重困境
2025年全球智能文档处理（IDP）市场规模已达105.7亿美元，预计2032年将飙升至666.8亿美元，年复合增长率高达30.1%。然而企业在实际应用中仍面临三大核心痛点：传统OCR工具无法处理复杂公式与表格，多语言混合文档识别准确率不足60%，大型模型部署成本居高不下。
医疗、金融等关键领域的文档处理尤为棘手。以学术论文为例，包含文字、公式、表格的复杂页面平均需要3-5种工具协同处理，错误率仍超过15%。"企业每年因文档处理错误造成的损失约占营收的2.5%"，Fortune Business Insights最新报告指出。
技术突破：腾讯双阶段自进化训练范式
POINTS-Reader彻底颠覆传统"教师-学生"蒸馏模式，创新性提出两阶段自主学习框架。第一阶段通过统一格式预热，将文字、公式、表格分别标准化为Markdown、LaTeX和HTML格式，利用合成数据快速构建基础能力；第二阶段引入迭代自我改进机制，通过OCR工具校验文本F1分数、表格结构完整性检查和公式语法验证，实现真实数据的质量筛选与模型持续进化。
如上图所示，该框架展示了从合成数据预热到真实数据自我进化的完整流程。第一阶段通过渲染生成的图文对建立基础认知，第二阶段则通过多维度质检构建高质量数据集，形成"数据生成-质量筛选-模型迭代"的正向循环，使模型脱离对大模型标注的依赖。
这一创新使POINTS-Reader在资源消耗上实现数量级优化：采用600M NaViT视觉编码器配合Qwen2.5-3B语言模型，在保持高性能的同时将参数量控制在传统方案的1/5，配合SGLang部署实现每秒15页的超高吞吐量，vLLM支持也将在近期上线。
性能验证：OmniDocBench评测中英双冠
在国际权威评测集OmniDocBench上，POINTS-Reader展现出全面领先的文档解析能力。该基准包含981页PDF文档，涵盖学术论文、财务报告等9种类型，标注了超过20,000个块级元素和80,000个跨度级元素，采用归一化编辑距离、TEDS等多维度指标进行评估。
POINTS-Reader以英文0.133、中文0.212的总体编辑距离（越低越好）刷新纪录，其中表格识别TEDS指标达到83.7（英文）和85.0（中文），超越GPT-4o（72.0/62.9）和Gemini2.5-Pro（85.8/86.4）等商业模型。特别在中文复杂表格处理上，较行业标杆PaddleOCR PP-StructureV3提升1.1个百分点，实现"小模型打败大模型"的突破性进展。
应用前景：从学术研究到产业落地
POINTS-Reader已在多个关键场景展现实用价值：在科研领域，可将PDF论文一键转换为带公式的Markdown笔记，处理效率提升400%；金融场景中，自动提取财务报表表格数据准确率达98.3%，大幅降低人工校对成本；教育行业的教材数字化项目显示，其数学公式识别准确率达到LaTeX格式输出级，错误率控制在3%以内。
开发者可通过简单代码实现部署：
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("tencent/POINTS-Reader")
# 单张文档图片输入，直接输出结构化文本
腾讯已通过Gitcode开源完整项目，提供包括训练数据生成、模型微调在内的全流程工具链。研究团队表示，未来将重点优化多语言支持和手写体识别，计划扩展至日语、韩语等东亚语言，并探索医学影像报告等专业领域的定制化方案。
结语：轻量化模型引领行业变革
POINTS-Reader的成功印证了高效训练方法对模型性能的决定性作用。通过摒弃传统蒸馏模式，腾讯为行业提供了一条低成本、高性能的文档智能处理新路径。随着SGLang和vLLM部署方案的完善，这款模型有望在企业级文档自动化、数字化转型中发挥关键作用，推动智能文档处理从"能用"向"好用"的跨越。
对于开发者和企业而言，现在正是接入这一技术的最佳时机——既能解决当前文档处理痛点，又能以较小成本搭建面向未来的智能化基础架构。正如EMNLP 2025评审专家所言："这种自主进化的训练范式，可能成为下一代视觉语言模型的标准配置。"
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
