AI Infra：POINTS-Reader，腾讯开源的文档解析和OCR工具

推荐语

腾讯开源POINTS-Reader：用语言模型重新定义文档解析，让AI自己学会"看图说话"。

核心内容：
1. 端到端视觉-语言OCR的创新架构设计
2. 自演化训练机制实现无监督持续优化
3. 在标准文档解析任务中展现的平衡性能优势

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

端到端视觉-语言OCR：

输入一张文档图 → 输出 Markdown + HTML 表格，中间无OCR、无版式分析、无规则引擎。

→一切结构化，都是语言模型“猜”出来的。

→像人自学：先看教材，再自己做题，对答案，错的重来

→不是最强，但最平衡：不输专业OCR，省掉5个模块。

→不适配：手写笔记、老档案、杂乱照片、多语言混排。

---

它把十年的OCR技术栈，压缩成一个会看图的对话模型，靠自动生成数据成长，靠指令驱动一切。

它不完美，但它证明了一件事：你不需要复杂的系统，你只需要一个足够强的模型，和一个会“喂自己”的训练法。

https://github.com/Tencent/POINTS-Reader

开源大模型开源大模型是什么意思开源大模型有哪些