Ai2 发布 olmOCR 2 文档识别工具，权重与数据集同步开源

艾伦人工智能研究所（Ai2）在其官方 X 账号上宣布，文档识别工具 olmOCR 2 正式上线，用户可在 Ai2 Playground 中直接体验，同时模型权重与相关数据集已在 Hugging Face 同步开源。olmOCR 是 Ai2 面向 PDF 与各类文档场景推出的 OCR/文档解析工具线，此次的 2.0 版本据官方博客介绍会带来改进，相关技术细节与能力对比可参考 Ai2 发布的配套博客文章。

发布要点

• 试用入口：Ai2 Playground 在线体验，无需本地部署即可测试 olmOCR 2 的识别效果。
• 技术博客：Ai2 同步发布博客文章，介绍新版本的设计思路与使用方式。
• 开源资源：模型权重与训练数据已上传至 Hugging Face，开发者可直接下载用于研究与二次开发。

关于 olmOCR 系列

olmOCR 是 Ai2 推出的开源文档 OCR 工具，专注于将扫描件、PDF 等非结构化文档转换为结构化文本，适用于大规模文档数字化、知识库构建、RAG 预处理等场景。前代版本已因对学术论文、表格、公式等多样化版式的支持而受到开发者社区关注。

开发者建议

对于需要处理大量历史文档或构建文档智能流水线的团队，可优先在 Playground 中对比 olmOCR 2 与现有 OCR 方案的输出质量，再决定是否替换。鉴于权重与数据均已开放，具备一定工程能力的团队也可以在本地微调或集成到自有系统中。详细技术说明与示例请参见 Ai2 官方博客及 Hugging Face 模型卡片。