# 阿里开源Logics-Parsing：基于Qwen2.5的端到端文档解析模型，PDF转HTML一步到位
- Link: https://paooo.com/aigc-news/13370/
- Published: 2026-06-19T16:42:22+08:00
- Author: Prompt 语宙研究院
> **💡 站外导读：**在数字化办公与知识管理浪潮下，海量的PDF、扫描文档成为信息孤岛，
> 传统OCR工具难以理解复杂布局、科学公式与手写内容。阿里巴巴开源的Logics-Parsing模型，
> 直击文档智能解析痛点，提供从图像到结构化数据的端到端解决方案，正重塑文档处理工作
> 流。
## Logics-Parsing是什么
Logics-Parsing 是阿里巴巴开源的端到端文档解析模型，基于 Qwen2.5-VL-7B。通过强化学习
优化文档布局分析和阅读顺序推断，能将 PDF 图像转换为结构化 HTML 输出，支持多种内容
类型，包括普通文本、数学公式、表格、化学公式和手写中文字符。采用两阶段训练：第一
阶段是监督微调，学习生成结构化输出；第二阶段是布局为中心的强化学习，优化文本准确
性、布局定位和阅读顺序。在 LogicsParsingBench 基准测试中表现出色，尤其在纯文本、
化学结构和手写内容解析方面优于其他方法。
阅读目录
* [Logics-Parsing是什么](https://paooo.com/aigc-news/13370/#logicsparsing%e6%98%af%e4%bb%80%e4%b9%88)
* [Logics-Parsing的主要功能](https://paooo.com/aigc-news/13370/#logicsparsing%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
* [Logics-Parsing的技术原理](https://paooo.com/aigc-news/13370/#logicsparsing%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
* [Logics-Parsing的项目地址](https://paooo.com/aigc-news/13370/#logicsparsing%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
* [Logics-Parsing的应用场景](https://paooo.com/aigc-news/13370/#logicsparsing%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
* [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13370/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)
## Logics-Parsing的主要功能
* **端到端文档解析**：Logics-Parsing 能将 PDF 图像直接转换为结构化的 HTML 输出，
支持多种内容类型，包括普通文本、数学公式、表格、化学公式和手写中文字符。
* **强化学习优化**：采用两阶段训练方法，第一阶段通过监督微调学习生成结构化输出，
第二阶段以布局为中心的强化学习优化文本准确性、布局定位和阅读顺序。
* **高性能表现**：在 LogicsParsingBench 基准测试中，Logics-Parsing 在多个文档类型
上表现出色，尤其在纯文本、化学结构和手写内容解析方面优于其他方法。
* **应用场景广泛**：适用于学术论文、复杂多栏文档、报纸、海报等多种复杂文档类型，
能处理多栏排版、数学公式和化学结构。
## Logics-Parsing的技术原理
* **基于 Qwen2.5-VL-7B**：Logics-Parsing 以强大的 Qwen2.5-VL-7B 模型为基础，继承
了其在视觉和语言处理方面的优势。
* **两阶段训练**：第一阶段是监督微调，模型学习生成结构化的 HTML 输出；第二阶段是
布局为中心的强化学习，通过文本准确性、布局定位和阅读顺序三个奖励组件优化模型。
* **强化学习优化**：通过强化学习，模型能更好地理解文档的布局和内容的逻辑顺序，生成
更准确的结构化输出。
* **结构化 HTML 输出**：模型能将文档图像转换为结构化的 HTML 格式，保留文档的逻辑
结构，每个内容块都有类别、边界框坐标和 OCR 文本标签。
* **高级内容识别**：模型能准确识别复杂科学公式、化学结构和手写中文字符，将化学结构
转换为标准的 SMILES 格式。
* **自动去除无关元素**：模型能自动识别并过滤掉页眉、页脚等无关元素，专注于文档的
核心内容。
## Logics-Parsing的项目地址
* **Github仓库**：https://github.com/alibaba/Logics-Parsing
* **HuggingFace模型库**：https://huggingface.co/Logics-MLLM/Logics-Parsing
* **arXiv技术论文**：https://arxiv.org/pdf/2509.19760
## Logics-Parsing的应用场景
* **学术论文解析**：能处理包含多栏排版、数学公式和化学结构的学术论文，准确提取关键
信息并生成结构化输出。
* **复杂多栏文档**：适用于报纸、海报等复杂多栏文档，有效解析布局并提取内容。
* **手写文档识别**：支持手写中文字符的识别和解析，可应用于手写笔记、试卷等场景。
* **化学文档处理**：准确识别化学公式并转换为标准 SMILES 格式，适用于化学领域的文
档解析。
* **数学文档解析**：能处理包含复杂数学公式的文档，如数学教材、科研论文等，提供准确
的公式解析。
* **多语言文档支持**：支持多种语言的文档解析，适用于国际化文档处理场景。
#### 📝 站长洞察 (Editor’s Insight)
文档解析是AIGC落地的关键一环，从RAG知识库构建到企业数据资产化，高质量结构化提取至
关重要。Logics-Parsing的创新在于将强化学习引入布局理解，以‘布局为中心’优化阅读顺序，
这是从‘识别内容’到‘理解结构’的范式升级。它预示着未来文档智能将更深度地与多模态[大模型](https://paooo.com/ai-study/)
融合，成为企业级AI应用的核心基础设施。阿里的开源动作，不仅降低技术门槛，更在推动
整个行业标准的形成，这背后是生态与标准的双重博弈。
[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。
[📄 Markdown 纯净版](https://paooo.com/aigc-news/13370/?format=md)
💡 这篇内容对您有启发吗？
[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)
**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库
[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)