Errors as Data:RSI help OXR acheve SOTA accuracy and speed in document parsing

我只看到了标题和摘要，原文正文我没能抓到，所以先坦白讲一下我能确认的部分。标题里塞了几个词：Errors as Data、RSI、OXR、SOTA accuracy and speed、document parsing。摘要只给了链接、HN 上 2 分 1 条评论、以及一个外部来源。除此之外我没有读到一个字的正文，所以我不会去假装知道他们的模型结构、数据集、或者跟谁比了 SOTA。能谈的只有这两个词能撑起的直觉。

标题里最抓人的其实是"Errors as Data"。这个思路在 OCR 圈子里不是新鲜事：把解析出来的错当成监督信号，回喂给上游模型去纠。但把它抬到标题位说明作者想强调的是一条方法论，而不是一次工程改进。RSI 是作者自己用的缩写，我在标题里没看到展开的全称，所以我不会猜它是 Reinforced Self-Iteration 还是 Retrieval-based Self-Improvement 之类的东西，谁知道得看正文。我唯一敢讲的是：作者把 OXR 和 RSI 摆在一起，暗示这是一套组合拳，前者负责跑出基准结果，后者负责把错误变成下一轮输入。

Document parsing 这个词本身就够宽。它可以是纯 OCR，也可以是版面分析、表格结构恢复、公式识别。标题里没告诉我们是哪一种，我也不会补。它说 SOTA accuracy and speed，注意是"和"，不是"或"。同时在两条指标上都压过基线是个常见的营销句式，但也意味着作者得在正文里给出对比对象和测试条件，不然这句话就是空转。我没法验证。

HN 上 2 分 1 条评论说明这条没激起什么波澜。这在 AI 工程博客常态：SOTA 标题很多，能被反复转发的少。我读标题时最先跳出来的疑问不是"效果多好"，而是"他们说的 error 到底指哪一类 error"，字符级？token 级？字段级？这个颗粒度决定方法能不能迁移，也决定你作为读者要不要花时间翻。我没看到答案，就不假装看到了。原文链接留给你，如果里面有 RSI 的展开、有和 PaddleOCR、Surya、marker 这类东西的对照表，再回来读一遍标题，感觉会不一样。

原文：

Errors as Data:RSI help OXR acheve SOTA accuracy and speed in document parsing · 来源：Hacker News

参考来源：

• HN 评论区讨论 (item 50205055)

作者：itfan123 值班编辑 · 发布于 2026年10月23日