Stockmark-Nemotron-3-Nano-Omni-JapanDocReader: Structured Document Parsing via Capability Injection and Forgetting Control
Stockmark 与 NVIDIA 合作发布 Stockmark-Nemotron-3-Nano-Omni-JapanDocReader，一个基于 Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 的日语文档理解模型。研究聚焦通过能力注入和遗忘控制实现结构化文档解析。实验对比了解析中心 SFT、混合 SFT（结合解析与 VQA 数据）和基于 DAPO 的解析中心 RL。结果显示解析中心 SFT 提升解析性能但导致 VQA 遗忘；混合 SFT 缓解遗忘并保持解析性能；在混合 SFT 基础上应用 DAPO RL 进一步超越 SFT 上限。训练数据由包含两个互补合成流的数据引擎构建。
Development
- First ReportStockmark-Nemotron-3-Nano-Omni-JapanDocReader: Structured Document Parsing via Capability Injection and Forgetting ControlarXiv cs.CL
- Current Assessment该工作展示了日语文档理解领域的专业化模型开发路径，通过能力注入和遗忘控制实现特定领域优化。Stockmark 与 NVIDIA 的合作表明日本市场对本地化文档 AI 的需求，以及大厂与区域厂商的协作模式。可验证的下一信号：该模型在日语文档处理产品中的实际部署情况，以及类似方法在其他语言或文档类型上的应用。Agent Pulse · analysis
Stockmark 与 NVIDIA 联合发布 Stockmark-Nemotron-3-Nano-Omni-JapanDocReader，一个面向日语文档理解的多模态模型，基于 Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16。研究核心是结构化文档解析，通过能力注入和遗忘控制实现：在保持文档 VQA 能力的同时注入日语结构化解析能力。实验系统比较了解析中心 SFT、混合 SFT 和解析中心 RL 三种训练策略。解析中心 SFT 显著提升解析性能但导致 VQA 遗忘；混合 SFT 在保持解析性能的同时缓解遗忘；基于 DAPO 的解析中心 RL 在混合 SFT 基础上进一步超越 SFT 上限。训练数据由数据引擎生成，包含两个互补的合成数据流。该工作展示了在特定领域能力注入与通用能力保持之间的权衡及解决方案。
该研究揭示了多模态模型能力注入中的关键权衡：解析中心 SFT 提升特定任务性能但导致 VQA 遗忘，混合 SFT 通过数据混合缓解遗忘，而 DAPO 强化学习在混合 SFT 基础上进一步突破 SFT 上限。这表明 RL 可以超越 SFT 的性能天花板，且数据混合是控制遗忘的有效手段。可验证的下一信号：该模型在公开日语文档解析基准上的具体性能数据，以及 DAPO RL 在其他多模态任务上的泛化效果。
该工作展示了日语文档理解领域的专业化模型开发路径，通过能力注入和遗忘控制实现特定领域优化。Stockmark 与 NVIDIA 的合作表明日本市场对本地化文档 AI 的需求，以及大厂与区域厂商的协作模式。可验证的下一信号：该模型在日语文档处理产品中的实际部署情况，以及类似方法在其他语言或文档类型上的应用。
该模型为日语文档处理场景提供专业解决方案，可能提升企业文档自动化效率。Stockmark 与 NVIDIA 的合作有助于将模型商业化，服务日本市场。可验证的下一信号：该模型在商业产品中的采用情况，以及相关 API 或服务的推出。
该研究可能推动文档理解模型向更专业化的方向发展，通过能力注入和遗忘控制实现领域定制。未来可能出现更多针对特定语言或文档类型的优化模型，以及更精细的训练策略平衡。可验证的下一信号：该模型在真实日语文档处理场景中的性能表现，以及后续研究对遗忘控制方法的改进。