https://github.com/opendatalab/OmniDocBench/blob/main/README_zh-CN.md
dots.ocr, MonkeyOCR, PP-StructureV3
文档结构识别是广义OCR的核心，为RAG提供入口。RAGFlow的DeepDoc率先实现，随后MinerU、Docling等跟进。技术已演进两代：第一代基于传统视觉模型，CPU可跑但需“雕花”式多场景训练；第二代转向生成式Transformer架构，如Nougat、OCR 2.0，GPU推理却泛化更强，并融合文本语义（如M2Doc），正成为主流。
https://github.com/opendatalab/MinerU
https://github.com/docling-project/docling
https://github.com/PaddlePaddle/PaddleOCR/
https://github.com/bytedance/Dolphin