NVIDIA开源了名为Nemotron-Parse 1.1的视觉语言模型，旨在解决复杂文档解析难题。该模型能够一站式完成OCR、表格提取和阅读顺序还原，为大规模文档处理和RAG应用提供了强大的新工具，显著提升了文档信息结构化的效率。
智能速览
这是一个端到端的视觉语言模型，无需复杂流程。
集成了OCR、表格提取和阅读顺序还原功能。
能直接输出Markdown和LaTeX等结构化格式。
专为大规模文档预解析和RAG工作流优化设计。
开源发布，方便开发者集成与二次开发。
Nemotron-Parse的开源，为处理非结构化文档数据带来了新的思路，尤其对需要精准信息提取的RAG系统而言，其统一化的能力有望降低开发门槛，提升应用效果。未来它会如何改变文档AI的格局？
