LightOnOCR-2-1B：LightOnAI推出的轻量级高效复杂文档OCR模型

LightOnOCR-2-1B是LightOnAI推出的轻量级OCR模型，参数量仅1B，在学术论文、数学公式、复杂表格等复杂文档处理场景中表现卓越。该模型基于RLVR强化学习技术构建，可直接输出Markdown格式结构化文本，支持表格还原、公式识别与多栏布局处理。凭借低成本与高速处理优势，其单张H100显卡处理速度可达5.71页/秒，每千页文档处理成本不到0.01美元，是文档数字化与知识库构建的高性价比选择。

LightOnOCR-2-1B核心功能：

1、Markdown结构化输出：

识别结果以Markdown格式呈现，包含标题、列表、代码块等结构化内容，无缝衔接后续编辑与排版流程。

2、复杂表格精准还原：

支持各类统计表格的结构识别与内容还原，适配多行列、嵌套式等复杂表格场景。

3、数学公式专业识别：

完美兼容LaTeX/KaTeX格式公式识别，精准还原学术文献、工程文档中的复杂数学表达式。

4、多栏布局智能处理：

自动识别报纸、学术论文等多栏排版的阅读顺序，避免内容错乱，保障文本逻辑连贯。

5、边界框预测（bbox变体）：

同步识别文字内容与对应边界框坐标，支持图文对应检索与文档切片处理。

6、高速低成本处理：

单张H100显卡下处理速度达5.71页/秒，每千页处理成本低于0.01美元，满足大规模文档批处理需求。

LightOnOCR-2-1B技术原理：

1、RLVR强化学习优化：

采用基于验证反馈的强化学习技术，针对数学公式渲染设计KaTeX奖励机制，确保输出LaTeX代码规范可直接渲染；引入压缩奖励机制惩罚重复输出行为，将模型重复率降低超50%，解决小模型易陷入死循环的问题。

2、端到端极简处理架构：

支持PDF、图片等原生格式输入，无需复杂预处理与后处理步骤，直接输出结构化Markdown文本，大幅简化部署流程。

3、vLLM推理框架加速：

集成vLLM高效推理框架，优化模型吞吐量与资源占用率，在保证识别精度的同时提升处理速度，降低算力成本。

4、高质量训练数据支撑：

基于大规模高质量标注数据训练，强化模型在复杂排版、模糊文本、专业术语等场景下的识别鲁棒性与准确性。

LightOnOCR-2-1B应用场景：

1、学术文献数字化：

快速转换arXiv论文等学术文档，精准识别多栏布局、数学公式与表格，助力科研机构实现文献资源结构化管理与知识共享。

2、历史档案数字化修复：

高效处理扫描书籍、老旧档案等文档，还原模糊文字与复杂排版，为图书馆、档案馆提供低成本数字化解决方案。

3、企业文档中台构建：

将企业内部报告、合同、报表转化为结构化文本，赋能知识管理系统，提升文档检索与数据清洗效率。

4、财务票据自动化处理：

精准识别财务报表、票据中的文字与表格信息，实现数据自动录入与核对，降低人工操作成本与误差率。

5、科研知识库搭建：

针对数学、工程等领域的专业文档，精准提取公式与技术参数，助力高校与科研机构构建高质量专业知识库。

进入LightOnOCR-2-1B项目HuggingFace模型库官网入口