- 博客(134)
- 收藏
- 关注
RSS订阅原创 厦门大学“先进封装电子电镀配方研发智能体”入选上海 AI 实验室“与书生共创”十大成果，并接入 Sciverse 科学智能数据基座
厦门大学agent 接入 Sciverse 科学智能数据基座
2026-08-24 17:04:45
300
原创 MinerU 近期更新速览：Hybrid 解析提速，pipeline OCR 接入 PP-OCRv6……
MinerU开源模型发布3.3与3.4版本更新，主要优化包括：1）Hybrid解析引擎新增effort参数，medium模式在精度仅降0.13的情况下显著提升处理速度；2）VLM模型升级至2.5-Pro-2605-1.2B，增强复杂文档解析稳定性并原生支持多语言OCR；3）pipeline后端OCR升级至PP-OCRv6，OCR性能提升11%，处理速度优化100%。同时改进了模型下载和缓存复用体验。在线版已同步更新，默认采用medium模式平衡精度与效率。
2026-07-03 14:42:51
507
原创 MinerU 团队新产品 | Sciverse 科学数据基座，把可信的科学知识接入你的 AI 工作流
摘要： Sciverse由MinerU团队推出，是专为Auto-Research设计的科研数据基座，旨在解决AI科研工作流中的数据可信问题。它整合4.66亿条学术元数据、1.06亿图书及7000万专利记录，提供结构化、可追溯的科学数据，支持Agent通过六类核心API（如语义检索、元数据筛选、图表调用）完成文献综述、证据核验等任务。Sciverse强调数据可验证性，避免AI生成虚假结论，适用于科研Agent、RAG系统、专利分析等场景，推动科研AI从“问答”转向“证据驱动”的工作流。
2026-06-29 15:35:51
279
原创 暴雨也挡不住交流热情，MinerU 开发者线下沙龙上海站圆满收官！
5月24日，MinerU开发者沙龙在上海成功举办，吸引了众多开发者和AI实践者参与。活动围绕科学数据赋能AGI4S展开，重点介绍了Sciverse科学智能数据库的三层数据体系，以及MinerU在文档解析技术上的迭代进展。此外，会议还探讨了科学数据质量评测体系的重要性，强调了解析准确性和检索相关性的关键作用。现场交流环节气氛热烈，参与者就实际应用场景提出具体问题。本次活动促进了开发者与MinerU团队的深度互动，为未来技术发展和生态建设提供了宝贵反馈。
2026-06-02 16:32:21
221
原创 MinerU-Popo来了：让文档解析从“看懂每页”走向“读懂整篇”
从 MinerU2.5 到 MinerU-Popo，文档解析正在从单页精度竞争，进一步走向文档级语义结构恢复。前者让模型更准确地看懂页面，后者让系统更完整地读懂整篇文档。面向未来，复杂文档能否高质量转化为 AI-Ready 数据，将直接影响大模型应用的可用性。MinerU-Popo 正是在这条链路上补上关键一环：让页面级 OCR 输出，真正变成可检索、可分析、可进入智能工作流的文档结构。
2026-06-02 14:45:08
637
原创 GPT-image2 生图，NanaDraw 精修：这才是 AI 绘图的完整答案
NanaDraw是一款AI驱动的科研职场绘图神器，能够快速生成可编辑的学术配图。它支持四种智能模式（自动/草稿/生成/组装），200+内置学术风格，1000+专业图标素材，通过自然语言指令即可生成流程图、机制图等专业图表。独特优势在于生成后仍可自由编辑每个元素，支持导出SVG/PNG/PPT等高清格式，完美解决论文配图卡顿、AI生图不可调等痛点。适用于科研论文、基金标书、职场汇报等场景，实现AI生成与人工微调的无缝结合。
2026-04-27 12:54:13
915
原创 带你搞定 MinerU 模型本地部署 | MinerU实战训练营第二课上线，直播答疑预约，速来
为你准备了全套免费课程视频、学习文档与实战资料，更有算力支持、专业导师直播答疑，以及结营证书认证，助你快速补齐从 MinerU “会用”到“实战”的关键技能，真正完成从“工具使用者”到“AI 应用构建者”的跃迁。这一期，我们特别邀请了 2 位重磅讲师为大家详解、示范如何进行MinerU 及 MinerU-HTML 模型本地部署，并且在本周四为大家带来集中的线上直播答疑。完成学习后，在「提交」板块提交对应课程任务，完成作业打卡。（点击“立即报名”按钮，注册账号后进入比赛专区，选择“！（课程及作业入口示意）
2026-04-02 11:58:41
421
原创 MinerU文档探索器：告别文档翻找噩梦，为OpenClaw装上火眼金睛
面对个人电脑或云盘里堆积如山的各类文件，每次填报表单、汇总信息时，是不是都感觉像大海捞针一样耗时费力？其实，不仅我们觉得头疼，连 OpenClaw/Agent 也觉得棘手。当 OpenClaw 面对多份、动辄上百页的 PDF，需要快速找到关键信息时，它会怎么做？在没有工具的情况下，OpenClaw 需要一页一页啃文档，甚至重复“造轮子”。这种纯靠“硬读”来尝试完成任务的方式，不仅效率低，而且成本很高。今天，预览版开源！
2026-04-02 11:55:20
702
原创 零代码搞定复杂票据｜MinerU Skills 票据处理实战教程
极简上手：一键安装 + 自然语言指令，小白也能快速操作高保真解析：公式、表格关键信息 1:1 还原批量高效：论文批量处理，大幅提升效率开箱即用：输出格式标准，直接对接财务系统等应用场景。
2026-04-01 11:50:34
102
原创 零代码搞定论文｜MinerU Skills 论文解析实战教程
极简上手：一键安装 + 自然语言指令，小白也能快速操作高保真解析：公式、表格关键信息 1:1 还原批量高效：论文批量处理，大幅提升效率开箱即用：输出格式标准，直接对接知识库等应用场景。
2026-04-01 11:46:35
101
原创 MinerU-Diffusion发布：我们想重新回答，文档 OCR 到底该怎么做
图5：文档 OCR 逆渲染推理过程在不同解码方法下的概述。模型将二维文档图像映射为一维的 token 序列，并通过自回归方法和基于扩散的方法进行解码。对我们而言，
2026-03-30 16:59:38
699
原创 科学智能数据库 Sciverse 正式发布：让科学数据成为 Agent 可调用的资源
当前，科学数据与模型训练需求之间仍然存在明显鸿沟。大量关键科学信息分布在论文正文、图表、公式、结构表达和实验过程之中，天然具有多模态、强专业性和高复杂度等特征，难以直接进入模型训练流程。现有科学数据体系往往停留在原始汇聚、粗粒度清洗或单一模态处理层面，难以支撑科学大模型对结构、关系和过程的深入理解与演进。为解决上述问题，上海人工智能实验室在日前举办的第二届浦江AI学术年会上，正式发布了科学智能数据库。
2026-03-30 16:53:42
836
原创 一句话，让你的[特殊字符]看懂PDF，MinerU 官方 Skill 来了！附赠开发者“全家桶”
是一款免费开源的文档解析引擎，专门解决这个问题——版面分析、表格识别、公式提取、OCR 一手包办，把任何"难啃"的文档变成 AI 能直接使用的结构化 Markdown。这些文档，普通工具根本啃不动。提供了不同颗粒度的集成路径——无论你是想快速验证、深度集成，还是构建生产级应用，都能找到最顺手的方式。等在内的完整开发者生态：一套工具，覆盖从 Agent 对话到生产部署的全场景，支持便捷调用、集成。深度集成，在加载阶段直接完成解析+分块，每个 chunk 携带原始页码、版面类型、位置信息。
2026-03-24 16:46:11
593
原创 领跑 AI-Ready 数据赛道：MinerU 全面深度适配主流国产算力，持续扩容生态版图
持续扩大算力兼容版图，通过与 DeepLink 团队及多家算力厂家的合作，针对不同架构的优化，能够实现在各类算力平台上实现稳定、高效的运行，有效解决了算力兼容性难题。团队、 DeepLink 团队及国产芯片厂家携手，先后完成了昇腾、平头哥、沐曦、海光、燧原、摩尔线程、天数智芯、寒武纪、昆仑芯、太初元碁、壁仞等 10 余家主流国产算力的适配。的核心价值在于其跨行业的普适性与极高的解析精度。，深耕 AGI4S 前沿领域，致力于攻克复杂文献与多维科学数据的解析难题，为科研创新筑牢数据根基。深度集成于业务流程。
2026-03-01 00:30:00
1102
原创 如何科学地“设计”微调数据？一次关于后训练数据价值评测平台（ODA）的完整验证
在大模型后训练阶段，SFT（监督微调）数据的构建至关重要。然而，长期以来，这一过程业界的通行做法往往依赖“直觉”或“试错”，即多收一点、再筛一轮、训一次模型、看下效果，然后再调整。这个过程不仅成本高昂，而且很难回答一个根本性问题——哪些数据是真的“有用”的，为什么？为了摆脱“盲盒式”微调，急需建立一套科学的数据效能评估方法，用以成为数据生产的“指南针”。
2026-02-28 00:45:00
879
原创 告别手动录入！MinerU KIE功能上线，三步搞定票据关键信息提取
它基于先进的文档解析与大模型技术，提供了一套精准、灵活、可信的智能信息处理流水线，能够准确理解发票、票据、表单等文档的复杂布局，支持按不同的业务需求，自由定义需要提取的字段，输出清晰、可信的结构化结果。有没有一种方式，不仅能灵活、精准、批量、高效地提取票据表单中的关键信息，更能将这些提取出的结构化数据，直接用于构建企业知识库、开发智能业务助手（Agent）或进行深度的数据分析，让每一份文档都发挥更大的价值？● 票据场景：可批量提取发票号码、税号、日期、购销方、商品名称、数量、单价、价税合计等信息。
2026-02-28 00:30:00
1714
原创 MinerU再次更新，网页解析功能上线！URL一键变Markdown，文档处理再无边界
导言：各位的铁粉们，你们的“生产力神兵”又进化了！还在为DeepResearch获取网页信息、网页知识库构建、复杂网页内容提取、网页文章复制乱码等场景感到头疼吗？在 AI 数据处理领域，以和为代表的行业先行者已经为我们展示了“网页转 LLM 友好格式”的巨大潜力，这次我们直接把深度优化的“网页解析”功能装进了网页端与桌面端，凭借在公式、表格识别上的深厚积淀，让整个互联网都成为你的 AI-Ready 语料库！今天，我们边上手边拆解，带你玩转。
2026-02-27 00:15:00
2061
原创 ScienceMetaBench 开源：建立科学文献元数据提取的客观评测基准
导言：从科学文献 PDF 文档中提取作者、年份、摘要等元数据，构建高效索引与分析，并以此激活海量文档价值，能够直接帮助研究者、图书馆、企业及数据库平台等实现更高效的文献管理、资源数字化、AI知识库构建与数据聚合分析等。然而，面对排版复杂、元素多样的科学文献，如何客观地评估模型的元数据提取能力？为此，上海人工智能实验室 OpenDataLab 团队推出了科学文献元数据提取评测集，该基准旨在建立客观、统一的评估标准，助力社区衡量与比较各类前沿方法的实际性能。
2026-02-27 00:15:00
1594
原创 总激励200万！2026 MinerU数据智能与前沿语料挑战赛正式启幕，筑基 AGI4S 高质量语料新高地！
在 AGI 爆发的前夜，作为“模塑申城语料普惠计划”的核心环节，今日正式启幕！本次大赛以构建「AI-Ready 数据」为核心驱动，旨在依托开源智能文档解析引擎 MinerU，深耕 AGI4S 前沿领域，致力于攻克复杂文献与多维科学数据的解析难题，为科研创新筑牢数据根基。同时，大赛紧扣产业转型需求，通过精准解析非结构化数据，加速行业应用场景的深度转化，全方位助力各类组织机构释放数据要素的战略价值。我们寻找能够挖掘非结构化数据深层价值、破解复杂数据解析难题的你！
2026-02-26 17:09:05
1097
原创 『面向AGI4S，构建下一代数据基础设施』上海AI实验室青年科学家入选第五届“上海科技青年35人引领计划”
何聪辉，清华大学博士，上海人工智能实验室青年科学家，数据平台中心负责人，长期深耕高性能计算与AI 据基础设施的交叉前沿，致力于构建面向通用人工智能的下一代数据基座。其构建的AI数据基座，覆盖“底层技术-评测标准-开源生态”的完整体系，为AGI的演进筑牢了关键的数据基石。何聪辉带领团队围绕“面向AI-Ready的下一代大模型数据基础设施”开展系统性、原创性研究，不仅填补了国际数据基础设施领域的多项技术空白，更推动了全球大模型数据生态的开源化与标准化，为解决AGI发展的数据瓶颈提供了可落地的中国方案。
2026-02-26 15:22:36
476
原创 OpenDataArena全面升级版正式上线，四大核心模块重构数据价值评估新格局
（文章发布于2025年12月23日）导言：为破解长期以来学界与业界的困局，上海人工智能实验室（上海AI实验室）OpenDataLab团队在今年8月开源了首个全面、公正的后训练数据价值评测平台——。该项目致力于将数据选择从“盲目试错”的炼丹术，转变为一门可复现、可分析、可累积的严谨科学。在初版系统发布后的数月间，项目通过团队内部及小范围社区用户的深度使用，完成了高强度的技术验证与功能打磨。伴随着评测规模、工具链和分析能力的持续扩展，近期，，该项目面向全体开发者开放。
2026-02-26 15:19:22
933
原创 超实用！MinerU新增3个新功能，支持文档逐块修正
功能。上传 PDF 时，您可以精准指定需要解析的页码区间。想看哪里解哪里，可以让转换提取速度大幅提升。
2026-02-26 15:04:08
510
原创 打破桎梏！MinerU-HTML重构网页提取范式，开源超大规模高质量多语言语料AICC
摘要：上海AI实验室OpenDataLab团队提出新一代网页提取工具MinerU-HTML，通过两阶段语义感知方法解决传统HTML提取的局限性。该工具首先用0.6B参数模型标注正文节点，再精细处理代码、公式等结构化元素，最终输出Markdown格式。基于此构建的AICC语料库（7.3万亿tokens）在多项测试中超越RefinedWeb等现有语料，尤其在通用知识和阅读理解任务上表现突出。实验证明高质量提取比激进过滤策略更有效，为大规模预训练提供了新标杆。团队开源了相关工具、模型及数据集，推动AI数据生态建设
2026-02-26 14:20:11
589
原创 MinerU2.5大模型发布了，有亿点点不一样
从评测结果来看，在权威的OmniDocBench基准测试中，MinerU2.5取得结果最优（SOTA），在布局检测、文本识别、表格识别、公式识别等关键指标上超越Gemini 2.5-Pro、GPT-4o等国际顶尖模型，对比开源文档解析方案（如MonkeyOCR、PP-StructureV3），MinerU2.5在解析精度、结构完整性和格式自然度方面同样处于优势地位。下一步，团队将持续拓展国际国内主流平台和开发工具的适配覆盖，进一步加强与重点行业应用的深度融合，打造更加开放、兼容、可扩展的技术生态体系。
2025-09-30 17:16:20
2002
原创 高性能文档解析引擎MinerU再升级，全方位刷新行业SOTA，全面助力AI Ready数据自由
具体来说，Miner2.5在复杂文档处理上的进步，体现在结构还原与语义理解的双重提升。未来，团队将继续拓展更广泛的软件生态，不仅涵盖更多国内外主流 AI 平台和开发工具，也将加强与垂直行业应用的深度融合，打造开放、兼容、可扩展的技术生态体系，以支持更丰富的应用场景和更高效的产业落地。MinerU 2.5独辟蹊径，采用首创的“二阶段”解析架构，同时支持原生分辨率处理，从根源上最大限度地降低了信息失真的概率，实现了对复杂文档又快又准的解析效果，在显著减少“幻觉”现象的同时，大幅提升了解析结果的可靠性。
2025-09-28 16:02:59
1395
原创 MinerU2.5! 公式、表格解析统统不在话下！
之前我们发布了MinerU2.5模型，包含网页端/桌面客户端端/api 在内点MinerU 全线产品已经集成了最新模型，这波直接把文档解析做到天花板 💯。📚 无论科研、金融还是教育场景，MinerU 都能帮你轻松搞定高质量文档解析，为知识库构建省时又省力！更赞的是 👉 中文公式、复杂数学公式、嵌套表格都做了深度优化！✅ 无线/少线表格一键解析。
2025-09-28 15:33:57
698
原创 告别“炼丹玄学”：上海AI实验室推出首个大模型数据竞技场OpenDataArena
数据在AI时代的重要性已经不言而喻，但悬而未决的是——如何精确量化这些数据的价值、辨别其优劣？为此，上海人工智能实验室OpenDataLab团队在数据领域持续深耕，正式推出了。地址：https://opendataarena.github.io/index.html工具：https://github.com/OpenDataArena/OpenDataArena-Tool数据：https://huggingface.co/OpenDataArena展开来说，在海量的SFT（监督式微调）
2025-08-29 18:56:02
989
1
原创 战略科学家对话：AI+科学，数据和人才是关键
针对当前生命科学领域文本类数据已经“不够用”的现实困境，孙勇奎分享了解决思路，“进一步挖掘人类的生物数据并同步建立新数据生成机制，可以更好地开展AI训练，甚至让AI自行检索全球科研成果，提出更具潜力的假说并加以验证，进而提高药物研发成功率。罗毅介绍了合肥实验室的“AI化学家”，经过三年的迭代，它已经能自动完成80%的化学实验。他还分享了一则案例，实验室一名偏理论研究的同学，在AI的辅助下，仅用六个月便研发出了一款具有领先性的防阻燃材料，“由此看来，AI能够帮助科学家实现跨学科的重大发现”。
2025-08-29 18:45:05
846
原创 MinerU又双叒更新了！化学解析×多模式翻译等多种功能上线！文档解析处理爽到飞起！
翻译功能，想怎么翻就怎么翻！全文翻译、模块翻译，多种模式随心切换，满足你所有的翻译姿势！系统默认接入限时免费的GPT-4o-mini引擎，同时支持接入DeepL、Google、DeepSeek、硅基流动、阿里云百炼、腾讯混元等主流翻译服务，满足不同用户的翻译需求。你的反馈会直接驱动我们的解析模型优化，让你成为MinerU的“秘密武器”！近期，MinerU就像是坐上了火箭，功能蹭蹭往上涨，简直要让你的文档处理体验“爽”到飞起！现在你可以选择页码范围解析，只关注你最关心的部分，降低解析成本，效率直线飙升！
2025-08-12 18:09:31
1493
1
原创 上海AI实验室发布MinerU2：通专融合路线如何补齐AI-Ready数据的最后一公里
随着模型技术发展，互联网数据趋同性导致通用大模型同质化，细分专业化成为深入行业落地的必然路径，这些数据常存在于私域，且以文档形式最为普遍。，支撑高质量AI-Ready的语料构建管线，将可解析场景延伸至科学数据领域，补齐AI-Ready数据的最后一公里，缩窄AGI促进科学发现的鸿沟，现已成为『书生』科学多模态大模型Intern-S1开源工具链中的重要一环。性能、速度跃升的同时，将可解析场景延伸至科学数据领域，补齐AI-Ready数据的最后一公里，缩窄AGI促进科学发现的鸿沟，已成为。
2025-08-12 17:19:53
1253
原创 斩获ACL 2025最佳主题论文奖丨Meta-rater 框架，1% 算力锁定大模型最优数据
第63届国际计算语言学协会年（ACL 2025）于7月27日至8月1日在奥地利维也纳举行。作为NLP领域最具影响力的顶级盛会，今年的ACL依然吸引了全球众多顶尖学者参与，投稿数量与质量再创新高。在本届大会上，由上海人工智能实验室OpenDataLab团队与华东师范大学团队联合提出的研究成果Meta-rater框架聚焦于提升大语言模型预训练的数据筛选效率，相比以往依赖大规模试错的“黑箱式”方法，Meta-rater显著降低了算力开销，并通过多维度质量评估体系打破传统筛选标准的局限。
2025-08-12 17:12:38
1278
原创 官宣！MinerU 正式接入和鲸 ModelWhale，加速科研进程！
近日，大模型文档语料生产引擎双方联合升级的功能在 ModelWhale 平台全新升级发布会上正式亮相！此次合作将 MinerU 强大的文档解析能力深度集成至 ModelWhale 智能工具中，为科研工作提供坚实数据支持。
2025-08-12 17:04:30
499
原创 AI“压力面”，DeepSeek性能暴跌近30% | 上海AI Lab&清华&人大
摘要：上海人工智能实验室、清华大学等团队提出REST框架，通过同时测试多个问题对大模型进行"压力测试"。研究发现，在GSM8K等7个基准测试中，即便顶级模型如DeepSeek-R1，在多重问题压力下性能骤降近30%。REST有效解决了传统评测区分度低、成本高、脱离现实的问题，揭示了模型在预算分配、抗干扰等方面的不足，特别发现"过度思考"是性能下降主因。该研究为开发更强大的推理模型提供了新思路，相关代码和数据集已开源。
2025-07-28 15:58:51
1262
原创 ACL 2025｜MathFusion题目融合框架出炉，让大模型数学推理能力倍增
MathFusion提出了一种创新的数学数据增强方法，通过融合不同数学问题来提升大模型的推理能力。该方法采用顺序、并列和条件三种融合策略，将原始问题组合成结构更复杂的新问题，从而增强模型处理关联性问题的能力。实验表明，仅需45K合成指令，MathFusion就能使模型在多个基准测试中平均准确率提升18.0个百分点，展现出卓越的数据效率和性能。该研究为提升大模型的复杂推理能力提供了新思路，相关成果已被ACL 2025接收。
2025-07-28 15:56:28
1222
原创 新工具开源！Vis3大模型数据可视化利器：填 AK/SK 直接预览 S3 数据，JSON/视频/图片秒开！本地文件也可用
通过其智能识别数据结构、交互式可视化的能力，使数据以网页、Markdown、图片等视图模式清晰呈现，关键字段一目了然，大幅降低数据理解成本，助力用户快速洞察数据价值。无论是进行数据展示，还是深度分析挖掘，都能找到契合的呈现方式，让数据理解更透彻。灵活高效的数据接入方式，让你摆脱数据读取的繁琐和限制，专注于可视化分析。工具通过智能解析引擎自动识别数据结构，再配以精巧的可视化布局，将复杂数据中的关键信息以可视化的方式清晰呈现，显著节省用户在数据预览和理解过程中所耗费的时间与精力，让数据解读更高效。
2025-07-11 08:30:00
1044
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人