FireRed-OCR — 把通用 VLM 专家化成 OCR 模型（小红书，2026）
📄 原文：arXiv:2603.01840 · PDF
⭐ 专治结构幻觉（表格没闭合、公式语法错）：Format-Constrained GRPO 用 RL 强制语法有效性。这是后端 AR 出结构化输出的关键补丁。
一句话
系统框架把通用 VLM 专家化为高性能 OCR 模型。针对复杂文档的 structural hallucination， 用”几何+语义”Data Factory + 三阶段渐进训练（含 Format-Constrained GRPO）， OmniDocBench v1.5 总榜第一（92.94% overall），基座为 Qwen3-VL（把通用 VLM 专家化成 OCR 模型），点名超越 DeepSeek-OCR 2 与 OCRVerse。
核心机制
- “Geometry + Semantics” Data Factory：非随机采样，按几何(版面)+语义双维度构造数据，共 five rigorous stages（Geometry-Driven Feature Extraction、Dual Indexing、Stratified Sampling 等）。
- 三阶段渐进课程（从像素感知 → 逻辑结构生成）： ① Multi-task Pre-alignment（打底文档结构理解） ② Specialized SFT（标准化全图 Markdown 输出） ③ Format-Constrained GRPO：RL 强制 reward 三项并列——语法有效性 + 结构完整（如表格闭合、公式语法正确）+ content accuracy（内容准确性）。
⭐ 给AR OCR 后端 的可复用设计
- Format-Constrained GRPO = 结构化输出的救命稻草：后端 AR 生成 HTML/LaTeX/Markdown 时 最容易犯”表格标签没闭合、公式括号不配对”这类语法级结构幻觉，普通交叉熵管不住。 用 GRPO + “语法有效性奖励”直接惩罚非法结构 → 目标系统的后端必备的一道。
- 三阶段课程：感知对齐 → SFT 标准化输出 → RL 修结构，这条 curriculum 可直接套。
- 数据双维度构造（几何+语义）优于随机采样，呼应 mineru2.5-pro 数据引擎。
关联
- 同用 GRPO/RL：mineru2.5-pro、logics-parsing、logics-parsing-v2
- 数据工程：mineru2.5-pro、points-reader
- 基准：omnidocbench