AWESOME-OCR-LLM

一张清单看懂大模型时代 OCR 怎么选

AWESOME-OCR-LLM 是一个聚焦“大语言模型时代的 OCR”的开源资源集合，系统整理了将 LLM 与多模态大模型应用于文字识别、文档解析、场景文本理解等任务的相关论文、模型、数据集与工具。它解决的核心问题是：传统 OCR 流水线（检测+识别+后处理）在复杂版面、手写体、低质量图像上泛化差，而新出现的 OCR-LLM 方案分散在大量论文和仓库中，研究者与工程师难以快速跟进。项目通过分类清单把 OCR 与大模型结合的工作集中呈现，覆盖通用文字识别、文档理解、表格/公式识别、多语言及端到端视觉文档问答等方向，方便按任务检索和对比。它本身不是可运行代码库，而是选型与研究入口，适合作为该交叉领域的地图，帮助快速定位代表方法与基准。