目前个人测试中文效果最好的 端到端文档识别小模型 是腾讯的 POINTS-Reader（比小红书的dots.ocr 还要好一些）。 做了如下小小的工作： 1. 合并了官方的PR到sglang 0.5.3 版本，可以高效推理。 2. 基于TRL的模型训练代码，可以进行训练。训练只需要图片和对应的markdown文本。