OXR Faoliyat yuritmoqda

OXR — Shoukou Technology SoMark tomonidan ochiq manba sifatida taqdim etilgan 1.3B parametrli hujjatlarni tahlil qilish modeli. PDF va hujjat rasmlari uchun mo‘ljallangan bo‘lib, Agentlar uchun qulay Markdown/JSON chiqaradi. U matn, jadvallar, formulalar, kimyoviy tenglamalar/tuzilmalar, kod va jami 13 turdagi elementni taniydi hamda sahifadagi koordinatalar va o‘qish tartibini taqdim etadi. OXR’ning keyingi tayyorlash bosqichida RSI o‘zini takomillashtirish sikli joriy etilgan. Model OmniDocBench, olmOCR-Bench va DocParsingBench reytinglarida birinchi o‘rinni egallab, tahlil tezligi bo‘yicha ham yetakchilik qiladi.

Hujjatlarni strukturaviy ma’lumotlarga aylantirish: PDF va hujjat rasmlarini Markdown/JSON formatiga tahlil qilib, Agentlar va quyi tizimlar tomonidan bevosita foydalanishni osonlashtiradi.
Ko‘p turdagi elementlarni tanish: matn, jadvallar, formulalar, kimyoviy tenglamalar, kimyoviy tuzilmalar, kod bloklari va boshqa jami 13 turdagi hujjat elementini qamrab oladi.
Sahifa maketi ma’lumotlarini chiqarish: tanilgan natijalar uchun chegaralovchi quti koordinatalarini taqdim etadi va tarkibni o‘qish tartibida tashkil qiladi.
Murakkab maketlarni qayta ishlash: ko‘p ustunli ilmiy maqolalar/gazetalar, A3 imtihon varaqalari, vertikal matn, xitoycha va inglizcha qo‘lyozmalar kabi murakkab holatlarni qo‘llab-quvvatlaydi.
Maket tahlilini sozlash: ichki maket modelini almashtirish mumkin, bu turli bizneslarda element toifalari, hudud chegaralari va tarkib guruhlariga qo‘yiladigan talablarni moslashtirish imkonini beradi.
Ko‘p xil ulanish usullari: bepul API, onlayn Demo, shuningdek Docker/manba kod orqali lokal o‘rnatishni taqdim etadi va SoMark CLI/SDK bilan mos keladi.

WeChat’da kuzatib boring va “开源” deb javob yuborib, AI ochiq manba loyihalari guruhiga qo‘shiling
Model va tayyorlash: OXR 1.3B parametrli model bo‘lib, noldan oldindan tayyorlangan. Keyingi tayyorlash bosqichida hujjatlarni tahlil qilishga mo‘ljallangan RSI sikli joriy etilgan: bir nechta model xato va zaif namunalarni tahlil qiladi, so‘ngra o‘qitish strategiyalari va ma’lumotlarini avtomatik yaratadi.
Arxitektura vazifalari: tizim yengil Layout Analysis modeli va asosiy OXR modelidan iborat. Birinchisi tarkib hududlarini aniqlaydi, ikkinchisi esa ayni tanish bosqichida tarkibni aniqlash va o‘qish tartibini belgilashni bajaradi. Bu alohida tartiblash xarajatlarini kamaytiradi va semantik munosabatlar orqali tartibni aniqlashni yaxshilaydi.
Ulanadigan modullar dizayni: maket tahlili mustaqil modulga ajratilgan. Uni uchinchi tomon yoki o‘z-o‘zidan ishlab chiqilgan maket modeli bilan almashtirish mumkin, bunda OXR’ning tarkibni tanish va o‘qish tartibini aniqlash imkoniyatlari saqlanadi hamda domenlararo moslashtirish xarajati kamayadi.
Samaradorlikni optimallashtirish: tahlil jarayoni vazifa darajasida qayta tuzilgan, shu sababli 1.3B kichik model aniqlikni saqlagan holda yuqoriroq o‘tkazuvchanlikka ega. Rasmiy sinovlarda RTX PRO 6000 qurilmasida bir xil sharoitdagi 100 sahifalik tahlil taqqoslangan: OXR taxminan 101 soniya sarflagan va PaddleOCR-VL-1.6 hamda MinerU2.5-Pro’dan tezroq bo‘lgan.
Muhandislik integratsiyasi: tahlil API’si SoMark bilan mos keladi, somark-py/somark-js/CLI’dan qayta foydalanish mumkin. Lokal ishga tushirish uchun all-in-one Docker eng sodda usuldir; manba kod orqali o‘rnatishda OXR modeli xizmati, Layout Analysis xizmati va tahlil API’sini alohida ishga tushirish kerak.

Resurslarni yuklab olish: GitHub repozitoriysini klonlang va OXR-1.0 BF16 og‘irliklarini Hugging Face yoki ModelScope’dan yuklab oling.
Docker’ni ishga tushirish: docker/Dockerfile.allinone faylini quring, model katalogini ulang va ishga tushirgandan so‘ng localhost:8000/demo yoki /docs manziliga kiring.
Manba kod orqali o‘rnatish: avval OXR modeli xizmatini, keyin Layout Analysis xizmatini, undan so‘ng hujjatlarni tahlil qilish API’sini ishga tushiring va config.yaml faylini sozlang.
Tahlilni boshlash: /v1/parse/sync yoki asinxron interfeysga murojaat qiling yoki SoMark CLI/SDK’da base URL’ni o‘zgartirib, fayl yuboring.
Natijani olish: markdown/json kabi chiqarish formatini tanlang, tahlil natijasini yuklab oling va koordinatalar hamda o‘qish tartibini tekshiring.
Ishlab chiqarish muhitiga ulash: lokal xizmat yoki SoMark tijoriy xizmatidan foydalaning va maket tahlili modulini biznes ehtiyojlariga ko‘ra almashtiring/moslang.

Uch reytingda aniqlik bo‘yicha yetakchi: OmniDocBench, olmOCR-Bench va DocParsingBench reytinglarining barchasida birinchi o‘rinda, jadval holatlarida ustunligi yanada yaqqol.
Tezkor: 1.3B parametrli model bir xil sharoitdagi 100 sahifalik tahlil sinovida taxminan 101 soniya sarflaydi va rasmiy ma’lumotlarga ko‘ra, sinovdagi ochiq manba modellar orasida birinchi o‘rinda.
Elementlar qamrovi keng: matn, jadvallar, formulalar, kimyoviy tenglamalar/tuzilmalar, kod bloklari va boshqa jami 13 turdagi hujjat elementini qo‘llab-quvvatlaydi.
Agentlar uchun qulay chiqish: natijalar maket koordinatalari va o‘qish tartibini o‘z ichiga oladi, ularni to‘g‘ridan-to‘g‘ri Markdown/JSON formatiga aylantirib, ish jarayoniga kiritish mumkin.
Uzluksiz rivojlanish: keyingi tayyorlashda RSI sikli qo‘llanadi. Xato va zaif namunalar asosida strategiyalar hamda ma’lumotlar avtomatik yaratiladi, bu inson tomonidan belgilashga bo‘lgan ehtiyojni kamaytiradi.
Moslashtirish xarajati past: maket tahlili mustaqil va ulanishi oson modul bo‘lib, uni biznesga mos maxsus maket modeli bilan almashtirish mumkin, bunda tanish va tartiblash imkoniyatlari saqlanadi.

GitHub repozitoriysi: https://github.com/SoMarkAI/OXR
Hugging Face model repozitoriysi: https://huggingface.co/SoMarkAI/OXR-1.0

RAG bilimlar bazasiga kiritish: PDF/skanerlangan hujjatlarni strukturaviy koordinatalarga ega Markdown/JSON formatiga aylantirib, bo‘laklash, qayta topish va iqtiboslar sifatini oshiradi.
Moliya va tahliliy hisobotlarni qayta ishlash: ko‘p ustunli hisobotlar, murakkab jadvallar va diagramma izohlarini qayta ishlab, jadval tuzilmasi hamda o‘qish tartibini barqaror chiqaradi.
Ta’lim va imtihonlarni raqamlashtirish: A3 imtihon varaqalari, vertikal va qo‘lyozma tarkibni tahlil qilib, savollar bazasini yaratish, imtihonlarni tekshirish va xatolarni tahlil qilishga xizmat qiladi.
Ilmiy tadqiqot va nashriyot jarayonlari: maqolalardagi formulalar, kimyoviy tenglamalar/tuzilmalarni tanib, ularni qayta foydalanish uchun LaTeX, mhchem va SMILES formatlariga aylantiradi.
Korxona hujjatlari Agenti: shartnomalar, rezyumelar, arxivlar va kod hujjatlari uchun strukturaviy ma’lumot taqdim etadi; maket tahlili modulini almashtirish orqali soha maketlariga moslashadi.