RAG / 检索增强生成

MinerU-Popo: Universal Post-Processing Model for Structured Document Parsing

MinerU-Popo：结构化文档解析的通用后处理模型

Bangrui Xu, Ziyang Miao, Xuanhe Zhou, Yiming Lin, Zirui Tang, Xiaomeng Zhao, Fan Wu, Cheng Tan, Fan Wu, Bin Wang, Conghui He

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；分类 cs.CL、cs.AI

AI总结 提出MinerU-Popo轻量级通用后处理框架，通过分解为文本/表格截断恢复、标题层级重建和图文关联四个子任务，并利用动态分块和重叠同步将OCR页面级结果重构为文档级逻辑结构，显著提升标题层级TEDS和RAG准确性。

Comments The code is available at https://github.com/opendatalab/MinerU-Popo

A Structured Knowledge Infrastructure for Domain-Specific Data Asset Discovery

面向领域特定数据资产发现的结构化知识基础设施

Mengdi Chen, Yuanxin Huang, Yulin Jiang, Wei Sun

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；retriever(abstract)；分类 cs.IR、cs.AI、cs.DB

AI总结 针对企业数据分析智能体检索数据资产的失效问题，提出两层解决方案，经小红书广告数据仓库验证，可大幅提升检索准确率与知识覆盖率，降低延迟。

Comments 6 pages, 2 figures, 2 tables. Submitted to DAI 2026 Industry Track