Infinity-Parser2技术报告

我们提出Infinity-Parser2：耦合可控数据合成管线与多任务强化学习、做端到端文档解析的大型多模态模型——解决忠实标注解析语料的持续稀缺。三项贡献：第一，构建可扩展的合成引擎（可控渲染框架配迭代精炼循环），构建并开源Infinity-Doc2-5M：500万样本的中英双语语料，跨多样文档类型，标注元素边界框、规范内容形式（Markdown、HTML、LaTeX、SMILES、结构化图表）与全页阅读顺序。第二，引入可验证的多任务奖励系统，实现跨八个共训目标（文档解析、版面分析、表格解析、数学公式、图表解析、化学公式、文档VQA与通用多模态理解）的联合强化学习——在单一优化信号中统一感知、结构与推理。第三，以共享架构发布两个变体：Infinity-Parser2-Flash优化低延迟推理（较Infinity-Parser-7B吞吐增益3.68倍）、Infinity-Parser2-Pro面向精度关键设定。Infinity-Parser2-Pro在olmOCR-Bench达最先进87.6%、ParseBench达74.3%——超过DeepSeek-OCR-2、PaddleOCR-VL-1.5与MinerU2.5，并在图表、化学公式与文档VQA上有强泛化。