**DR Pixel：首个原生视觉深度研究模型，无需 OCR 即可解析论文图表公式**

_DR Pixel: Page-Native Deep Research with Vision-Language Models_

> 该研究提出了 DR Pixel，这是首个基于渲染文档页面的原生视觉深度研究（DR）智能体。它利用视觉语言模型（VLM）直接对文档页面图像进行检索和推理，无需传统的 OCR 文本提取。在包含 106 万页科学论文的 DRPixelBench 基准测试中，DR Pixel 在未训练的情况下就超越了 GPT-5.4 等主流模型，且工具调用更少。研究还引入了“反事实信用重加权”训练方法，进一步提升了检索召回率和最终准确率，证明了直接处理视觉页面比 OCR 流程更高效、更准确。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-03 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.03097)