Jev 是 MiniCPM-OCR 配套的独立质量判别器，它不和 OCR 识别底座绑定，不需要依赖 OCR 本身的输出置信度，能够单独拿原图、OCR 识别结果做校验打分，而且支持直接接入 MinerU 的 PDF 文档解析链路，解决 MinerU 自带识别结果没法独立质检、模型自判容易幻觉误判的痛点。传统方案都是让解析模型自己评估自己的识别效果，很容易出现识别错了但自我打分很高的情况，Jev 采用读判分离架构，只做判别、不生成文本，单次前向推理是毫秒级，算力开销很低；接入 MinerU 的时候，只需要在 MinerU 输出 content_list 结构化结果之后，把图像切片和对应识别文本送入 Jev，就能给每一块文本、表格、公式输出 0-1 的质量分数，按分数阈值自动放行或者标记待人工复核，搭建文档解析流水线的时候，就可以做到自动过滤低质量识别块，减少人工审核工作量，提升整套 PDF 转 Markdown 方案的整体可靠度。
一、Jev 独立 OCR 质量判别器核心特点
- 完全解耦：独立于 OCR 引擎，不局限 MiniCPM-OCR，PaddleOCR、MinerU 内置 OCR 都可以对接
- 判别式模型：不生成文字，只输出 0~1 质量分值 + 裁决标签，推理速度快，延迟低
- 区域级校验：支持按文本块、表格块、公式块单独打分，精准定位出错区域，不是整页统一打分
- 校准置信度：分数经过标注数据集校准，缓解大模型 “盲目自信”，AUROC 指标表现优秀
- 轻量化：仅 2B 参数，本地部署门槛低，可在 GPU 上批量跑质检任务
二、Jev 对接 MinerU 的完整链路说明
MinerU 原生流程：PDF 输入 → 布局分析 → OCR 识别 / 公式表格解析 → 输出结构化 content_list（Markdown、JSON）
新增 Jev 质检后的流程：
- MinerU 输出文档块、对应原图裁切区域、识别文本
- 将原图切片 + MinerU 识别文本送入 Jev 质量判别器
- Jev 返回每个区块的质量分数 verdict 判定结果
- 业务侧配置阈值：高分直接放行入库；低分标记，进入人工复核队列
- 复核完成后，可把修正样本回流用于迭代优化
三、三种主流接入用法表
| 接入方案 | 操作方式 | 适用场景 |
|---|---|---|
| 阈值自动放行 | 设定分数阈值，高于阈值直接通过，低于阈值推人工 | 大批量 PDF、票据、合同解析，降低人工成本 |
| 多解析结果择优 | 同一图片送入 MinerU、其他 OCR，全部结果交给 Jev 打分，取最高分结果 | 对准确率要求高的技术文档、论文、带公式 PDF |
| 文档块重组 | 按阅读顺序，挑选每个区块最优识别结果拼接成最终文档 | 复杂跨页表格、混排公式长文档 |
四、接入开发步骤
- 部署 Jev 服务：加载 MiniCPM-OCR Jev 权重，启动本地推理 API
- 运行 MinerU 解析 PDF，开启返回原图切片、block 坐标、识别文本的输出选项
- 写中转脚本，遍历 MinerU 输出的 content_list，组装图像 + 文本成对请求 Jev 接口
- 配置业务阈值，一般 0.85 以上可自动放行，可根据业务容错率调整
- 保存打分结果和原始 MinerU 解析结果，形成带质量标签的结构化文档
- 搭建复核面板，集中处理 Jev 标记的低可信度区块
五、接入需要注意的坑点
- Jev 返回包含 score 和 verdict 两个字段，不能只看分数，推理失败、预处理异常的固定分数不能当成识别低分
- MinerU 里扫描件、电子 PDF、图片 PDF 的图像质量差异大，建议分开设置不同阈值
- 公式、复杂表格的识别难度高于普通文字，建议单独设置更低的放行阈值
- Jev 只做质量判别，不会自动修改 MinerU 识别错误内容，它只负责标记可疑位置
【常见问题】
问题 1：Jev 独立 OCR 质量判别器接入 MinerU 之后，会不会改变 MinerU 本身的识别逻辑？
回答 1：不会，Jev 独立 OCR 质量判别器只是后置质检模块，接入 MinerU 之后不会修改 MinerU 识别、布局解析的内部逻辑，只对 MinerU 输出好的识别结果做质量打分和风险标记。
问题 2：Jev 独立 OCR 质量判别器只能搭配 MinerU 一起使用吗？
回答 2：不是，Jev 独立 OCR 质量判别器是解耦设计，除了接入 MinerU，也可以对接 PaddleOCR、其他商用 OCR 接口，只要传入原图切片和识别文本，就能做质量校验。
问题 3：Jev 独立 OCR 质量判别器接入 MinerU，适合处理哪一类文档？
回答 3：Jev 独立 OCR 质量判别器接入 MinerU，很适合论文、技术手册、带公式的 PDF、票据合同、扫描版档案这类容易出现 OCR 识别错字、表格错乱的文档。
问题 4：Jev 独立 OCR 质量判别器和 MinerU 自带的自检能力有什么区别？
回答 4：MinerU 自带的自检是模型内部自评估，容易出现幻觉误判；Jev 独立 OCR 质量判别器是独立裁判模型，不和识别底座共享自信度，判别的结果更客观，漏检概率更低。
问题 5：Jev 独立 OCR 质量判别器接入 MinerU，对硬件资源要求高吗？
回答 5：Jev 独立 OCR 质量判别器只有 2B 参数，硬件门槛不高，可以和 MinerU 部署在同一张 GPU 上，单块推理毫秒级完成，不会明显拖慢 MinerU 整体解析速度。
【参考资料】
[2026-11-06]（MiniCPM-OCR Jev：独立 OCR 质量判别模型，可对接各类文档解析工具）Caplaz
[2026-10-30]（面壁 MiniCPM-OCR 的读判分离：Jev 作为独立裁判质检 OCR 结果）华为云社区
[2026-10-29]（MiniCPM-OCR Jev 技术实践，外挂式 OCR 质检方案）华为云社区
[2026-10-28]（MiniCPM-OCR 发布，配套 Jev 判别器解决 OCR 可信性难题）腾讯新闻
【免责声明】
本文内容仅为 Jev 独立 OCR 质量判别器接入 MinerU 的技术科普整理，不构成项目落地开发方案；Jev 模型权重、API 接口、MinerU 输出字段格式会随版本迭代变动，正式上线前请阅读官方仓库文档、完成业务场景测试；因版本升级、参数配置不当带来的识别漏检、业务错误，本文不承担相关责任。