阿里Logics-Parsing-V3 重磅升级：贯通全文，长文无界

魔搭ModelScope社区

8人浏览 · 2026-09-24 22:44:45

魔搭ModelScope社区 · 2026-09-24 22:44:45 发布

举个例子：装修一套房子，各支队伍依次进场，每位师傅都能把手头的活做好，但如果交接时没说清“哪里要留线、哪里不能封、哪里需要避让”，麻烦就会在最后冒出来：预埋的线路没用上，柜子装上挡住了插座、开关与灯对不上号。每支队伍都完成了自己的任务，合在一起却不是原本想要的家。问题就在“局部正确、全局失联”。长文档解析也面临同样的困境。

模型可以识别每一页的文字、表格和图片，但如果翻页就“重新开工”，段落可能断开、表格拆成两截、标题层级发生错位——每一页都识别正确，整份文档却没有真正读通。

在今年的云栖大会上，阿里巴巴推出了 Logics-Parsing-V3 开源模型。把这场“交接”放进了解析过程：让模型带着前文的结构状态继续翻页，在跨页过程中保持内容连续、关系完整，最终还原一份结构清晰的完整文档。

在延续Logics-Parsing-V2复杂版面解析与精准元素识别能力的基础上，Logics-Parsing-V3通过循环滑动窗口与结构状态传递，让页面之间拥有了“统一施工图”：模型在翻页时延续前文的结构状态，再将解析结果重建为完整文档树。文档不再是一组彼此割裂的页面，而成为一个能够被连续理解和结构化还原的整体，为下游的检索、问答和深度分析提供更精准的识别结果和层级结构。

Github: https://github.com/alibaba/Logics-Parsing
Model: https://www.modelscope.cn/models/Alibaba-DT/Logics-Parsing-V3
Demo: https://www.modelscope.cn/studios/Alibaba-DT/Logics-Parsing

跨页不断，长文无界：同时支持单页与多页解析，通过长文档滑窗方案灵活处理超长内容，有效解决跨页表格截断、文本割裂等问题，让全文语义衔接更连贯。

不止识别，更懂结构：能够抽取全文层级结构、定位图表所属层级并建立图文关联，让模型真正“读得懂、理得清”每一份文档。

复杂内容，精准还原：面对密集文字、复杂表格、科学公式、化学符号等复杂排版，依然能够精准识别，并支持乐谱、思维导图、代码及伪代码等内容还原。

SOTA 表现，性能领先：模型仅0.8B，在MPDocBench多页榜单取得SOTA表现，层级结构识别（Heading TEDS）大幅领先。

Logics-Parsing-V3 如何做到翻页之后，依然记得前文？

核心在于一套循环滑动窗口推理框架（Structure-Aware Recurrent Parsing）。它将长文档按顺序划分为一组连续的页面窗口。模型每读完一个窗口，都会提炼并更新一份结构状态，其中记录着尚未结束的标题路径、近期已闭合的标题以及跨页延续的内容。就像装修中每支队伍进场前，都要接过一份持续更新的交接清单：前一道工序做到了哪里，哪些部分已经完成，哪些接口还要保留，接下来该从哪里继续。

Logics-Parsing-V3 循环滑动窗口推理框架

具体来看，每个页面窗口不仅接收当前几页的内容，还会接收上一窗口传来的结构状态。经过模型解析后，它会输出带有页面定位、标题层级、内容延续标记和图文引用关系的结构化结果；这些结果一边汇入持续累积的文档记忆，一边更新结构状态，继续传递给下一个窗口。

当全部窗口处理完成，系统再依据页面来源、层级关系和阅读顺序，对各窗口的解析结果进行统一重建，最终形成一棵完整的文档树。至此，模型面对的不再只是一页页彼此孤立的内容，而是一份结构连续、关系清晰的完整文档。这套机制要解决的，本质上是长文档翻页之后的三类“失联”：让段落与跨页表格更不易被截断，让标题层级与阅读顺序得到延续，也让图片、表格、图注及正文引用保持关联。

即使面对论文、报告、书籍等超长文档，模型也能沿着全文结构持续阅读，让跨页内容更连贯、文档层级更清晰、图文关系更准确。