무한 파서2 기술 보고서

Infinity-Parser2는 대규모 다중 모드 모델로, 데이터 합성을 위한 제어 가능한 pipe라인과 다중 목표 강화 학습을 통해 문서 파싱을 끝까지 수행하는 시스템입니다. 우리의 기여는 세 가지로 나뉩니다. 첫째로, 우리는 대규모 데이터 합성을 위한 스케일러블한 엔진을 만들었습니다. 이 엔진은 제어 가능한 렌더링 프레임워크와 반복적인 개선 루프를 pairing하여, 5백만 샘플의 이중 언어(중국어/영어) 문서를 포함하는 Infinity-Doc2-5M를 만듭니다. 이 문서는 다양한 문서 형태를 포함하며, 요소 bounding box, canonical content forms(Markdown, HTML, LaTeX, SMILES, 구조화된 차트), 그리고 전체 페이지 읽기 순서와 함께 annotate되어 있습니다. 둘째로, 우리는 verifiable, 다중 목표 reward 시스템을 소개합니다. 이 시스템은 Joint Reinforcement Learning을 통해 8개의 동시에 학습하는 목표(document parsing, layout analysis, table parsing, math formula parsing, chart parsing, chemical formula parsing, document VQA, 그리고 general multimodal understanding)를 함께 학습할 수 있도록 합니다. 이 시스템은 인식, 구조, 그리고 합리화를 하나의 최적화 신호로 통합합니다. 셋째로, 우리는 공통적인 아키텍처를 공유하는 두 가지 버전을 출시했습니다: Infinity-Parser2-Flash, low-latency inference를 위해 최적화된 버전으로, $3.68\times$ Infinity-Parser-7B보다 높은 throughput gain을 가지고 있습니다. 그리고 Infinity-Parser2-Pro, precision-critical setting을 위해 설계된 버전으로, olmOCR-Bench에서 87.6%와 ParseBench에서 74.3%의 state-of-the-art 성능을 달성합니다. 이 성능은 DeepSeek-OCR-2, PaddleOCR-VL-1.5, 그리고 MinerU2.5보다 높으며, 차트, 화학식, 그리고 문서 VQA에 대한 강력한 일반화 능력을 가지고 있습니다.