Logics-Parsing-Omni — 统一全模态解析（阿里，2026）
📄 原文：arXiv:2603.09677 · PDF
⭐ 把文档解析升维成”感知→认知”的渐进范式，evidence anchoring 强制高层语义对齐低层事实——对抑制幻觉、保证可溯源很有用。
一句话
logics-parsing 的升级：Omni Parsing 框架，统一分类法覆盖文档/图像/音视频， 渐进解析范式桥接感知与认知；三层级：① Holistic Detection（时空 grounding） ② …③ evidence anchoring 强制”高层语义描述 ↔ 低层事实”严格对齐 → 可定位/可枚举/可溯源。
核心机制
- 三层级渐进：先精确检测（空间/时空定位）→ 再逐级到高层认知，感知与认知协同增强可靠性。
- Evidence anchoring：每个高层结论必须锚定到具体的低层证据（某个框/某段）， 杜绝”凭空生成”。这是反幻觉的结构化约束。
- 配套 OmniParsingBench 评测。
对 OCR 系统设计的启示
- evidence anchoring = 后端 AR 反幻觉的好机制：让后端每输出一个结构化结论，都强制引用前端 检测出的具体 region（query/框）作为证据 → 生成不脱离视觉事实。两段式设计架构天生适合： 前端给证据(框)，后端生成必须 anchor 到它。
- 感知→认知渐进：前端做感知(检测)、后端做认知(结构化/理解)，且论文证明二者协同 （好检测帮助好理解，反之亦然）→ 支持你联合优化的方向。
- 可溯源输出：结构化结果每项可回指原图位置，对工业/审计场景是刚需。
关联
- 前身：logics-parsing
- 反幻觉同题：firered-ocr（GRPO 强制语法）、qianfan-ocr（Layout-as-Thought）
- 基准：omnidocbench