Logics-Parsing - Alibabaのオープンソースのエンドツーエンド文書解析モデル - AiBoss

論理解析とは何ですか？

Logics-Parsingは、Alibabaが開発したオープンソースのエンドツーエンド文書解析モデルで、Qwen2.5-VL-7Bをベースとしています。強化学習によって文書のレイアウト解析と読み上げ順序の推論を最適化し、PDF画像を構造化されたHTML出力に変換します。プレーンテキスト、数式、表、化学式、手書きの中国語など、さまざまなコンテンツタイプをサポートしています。学習プロセスは2段階で行われ、第1段階は教師ありファインチューニングで構造化出力の生成を学習し、第2段階はレイアウト中心の強化学習でテキストの精度、レイアウトのローカライズ、読み上げ順序を最適化します。LogicsParsingBenchベンチマークでは非常に優れた性能を発揮し、特にプレーンテキスト、化学構造、手書きコンテンツの解析において他の手法を凌駕しています。

論理解析の主な機能

エンドツーエンドの文書解析Logics-Parsingは、PDF画像を構造化されたHTML出力に直接変換することができ、プレーンテキスト、数式、表、化学式、手書きの中国語文字など、さまざまなコンテンツタイプをサポートしています。
強化学習の最適化2段階の学習方法を採用する。第1段階では、教師ありファインチューニング学習によって構造化された出力を生成する。第2段階では、レイアウト中心の強化学習によって、テキストの精度、レイアウトの位置決め、および読み上げ順序を最適化する。
高性能LogicsParsingBenchベンチマークにおいて、Logics-Parsingは複数の文書タイプで非常に優れた性能を発揮し、特にプレーンテキスト、化学構造、手書きコンテンツの解析において他の手法を凌駕しています。
幅広い用途学術論文、複雑な複数段組文書、新聞、ポスターなど、さまざまな複雑な文書タイプに適しており、複数段組レイアウト、数式、化学構造式にも対応できます。

論理構文解析の技術的原理

Qwen2.5-VL-7Bをベースにしています。Logics-Parsingは、強力なQwen2.5-VL-7Bモデルをベースにしており、画像処理と言語処理におけるその利点を継承しています。
2段階トレーニング最初の段階は教師ありファインチューニングで、モデルが構造化されたHTML出力を生成するように学習します。2番目の段階はレイアウト中心の強化学習で、テキストの正確性、レイアウトの位置付け、読み上げ順序という3つの報酬要素を通してモデルを最適化します。
強化学習の最適化強化学習を用いることで、モデルは文書のレイアウトやコンテンツの論理的な順序をよりよく理解し、より正確な構造化出力を生成できるようになる。
構造化されたHTML出力このモデルは、文書画像を構造化されたHTML形式に変換し、文書の論理構造を保持します。各コンテンツブロックには、カテゴリ、境界ボックスの座標、およびOCRテキストラベルが含まれます。
高度なコンテンツ認識このモデルは、複雑な科学式、化学構造、手書きの中国語文字を正確に認識し、化学構造を標準的なSMILES形式に変換することができます。
不要な要素を自動的に削除するこのモデルは、ヘッダーやフッターなどの無関係な要素を自動的に識別して除外できるため、ドキュメントの主要コンテンツに集中できます。

ロジック解析のプロジェクトアドレス

GitHubリポジトリ：https://github.com/alibaba/Logics-Parsing
ハギングフェイスモデルライブラリ：https://huggingface.co/Logics-MLLM/Logics-Parsing
arXiv技術論文：https://arxiv.org/pdf/2509.19760

論理解析の応用シナリオ

学術論文の分析複数段組のレイアウト、数式、化学構造を含む学術論文を処理し、重要な情報を正確に抽出して構造化された出力を生成することができます。
複雑な複数列の文書新聞やポスターなどの複雑な複数段組文書に適しており、レイアウトを効率的に解析してコンテンツを抽出します。
手書き文書認識手書きの中国語文字の認識と解析をサポートしており、手書きのメモや試験問題などの場面に適用できます。
化学文書処理化学式を正確に識別し、標準的なSMILES形式に変換するため、化学分野における文書解析に適しています。
数式文書の解析数学の教科書や研究論文など、複雑な数式を含む文書を処理し、正確な数式分析を提供することができます。
多言語ドキュメントのサポート多言語での文書解析をサポートしており、国際化された文書処理シナリオに適しています。