为何收录

大学图书馆书架上整排装订成册的学术期刊合订本，书脊依次排列，正是大量论文 PDF 的纸本来源

杜兰大学 Howard-Tilton 图书馆书架上的学术期刊合订本。摄影：the.Firebottle，来源：Flickr，许可：CC BY-SA 2.0。

对需要批量处理文献的研究者来说，Marker 的用处在于把版式固定的 PDF 变成可检索、可编辑、可再加工的文本，比如整理综述语料、为本地知识库或检索增强生成（RAG）准备分块、从论文里抽出表格，或把带公式的讲义转成可修改的 Markdown。按 README 的说明，Markdown 输出把公式写成 $$ 包裹的 LaTeX，图片另存为文件并以链接引用；JSON 输出按页组织成块树，每个块带类型、HTML、页面坐标和章节层级，引用转换结果时可以回到原 PDF 的对应位置核对；chunks 格式把每页的顶层块展开成列表，便于切分入库。TableConverter 可以只抽取表格。Python 接口允许替换处理器和渲染器，课题组可以按自己的格式规则扩展。

与 Meta Nougat 的定位和维护对比

Meta 在 2023 年 8 月发布的 Nougat（Neural Optical Understanding for Academic Documents）走的是另一条路。论文把它描述为端到端的编码器-解码器 Transformer：不读取 PDF 自带的文字，只看页面图像，直接输出与 Mathpix Markdown 基本兼容的 .mmd 标记文本，训练数据来自 arXiv 和 PMC 论文，重点是还原 LaTeX 公式和表格。代码采用 MIT 许可，模型权重为 CC BY-NC，即不允许商业使用。维护方面，PyPI 上 nougat-ocr 的最后一个版本是 2023 年 10 月 4 日的 0.1.17，GitHub 仓库最近一次推送在 2025 年 2 月 21 日，仓库没有归档，但已三年没有新版本。README 的常见问题写明它最适合英文论文，中文、俄文、日文等无法使用。两者的差别可以概括为：Nougat 是一个面向英文科研论文的研究模型，Marker 是持续更新的转换流水线，优先利用文字层、按需调用模型，覆盖多语言和书籍、表单等更多文档类型。处理中文文献或需要长期维护时，Marker 更合适，但要先确认权重许可。

正文图：示意 Marker 的转换流程——左侧一页双栏论文 PDF。

Marker 转换流程：先读取 PDF 文字层并检测版面，仅对扫描页、公式和低置信表格调用视觉模型，再输出 Markdown、JSON 或 HTML。据官方 README 的流程描述绘制，不代表真实界面或性能。AI 生成示意图。

官方基准、已知限制与验收建议

README 报告了 Marker 在 olmOCR-bench 上的成绩。这是艾伦人工智能研究所 olmOCR 项目提供的基准，含 1,403 份 PDF：balanced 模式总分 76.0%，原生数字 PDF 子集 83.5%；fast 模式 66.6%；不做识别的模式 43.6%。吞吐量数字来自单台 B200 GPU 主机。这些结果由 Datalab 自己运行并发布，仓库附有复现脚本，但不等于独立复测。分项成绩也提示了选型：fast 模式在 arXiv 数学类只有 23.4 分，不做识别时为 0，公式密集的论文应使用 balanced。

官方列出的已知限制包括：嵌套表格、表单等非常复杂的版面可能转换失败，表单渲染效果欠佳；README 称加上 --use_llm 和 --force_ocr 大多可以缓解，代价是更多的大模型调用或识别时间。自带的 marker_server 只是一个简单的 FastAPI 服务，官方说明它仅适合小规模使用，而且不开放 --use_llm 和 --disable_ocr。本站没有安装实测。打算采用的读者可以先做一次小规模验收：挑 5 到 10 篇本领域有代表性的 PDF，至少各含一份双栏排版、公式密集、跨页表格、扫描页和中文文献，分别用 fast 和 balanced 转换，逐页对照原文检查阅读顺序、公式 LaTeX、表格单元格和图注对应关系，再决定是否需要 --use_llm。这只是建议的检查方案，不是本站已完成的测试。

参考文献

  1. Datalab. datalab-to/marker：GitHub 仓库与 README．核验日期：2026-10-18．

  2. Datalab. Marker 2.0.0 发布说明．2026-07-20．

  3. Datalab. Marker MODEL_LICENSE：AI Pubs Open RAIL-M License (Modified)．核验日期：2026-10-18．

  4. PyPI. marker-pdf．核验日期：2026-10-18．

  5. Blecher L, Cucurull G, Scialom T, Stojnic R. Nougat: Neural Optical Understanding for Academic Documents．arXiv:2308.13418, 2023．

  6. Meta AI. facebookresearch/nougat：GitHub 仓库与 README．核验日期：2026-10-18．

  7. PyPI. nougat-ocr．核验日期：2026-10-18．

  8. 信息由 Scholay 学术一站式平台 整理并发表，如有侵权请反馈下架。

  9. 信息同步发表于恩特学术，智能时代的学者社区