nougat

Nougat 是一个专为学术文档设计的PDF解析模型，能高精度识别并结构化提取PDF中的文本、数学公式（LaTeX格式）和表格。它基于Transformer架构，结合OCR与序列到序列建模，支持端到端PDF到Markdown或LaTeX源码的转换，无需依赖传统OCR引擎或PDF渲染库。项目提供命令行工具、Python API及预训练模型，适合作为科研文献自动化处理流水线的核心组件，广泛用于文献管理、知识图谱构建、学术搜索引擎及AI辅助阅读等场景。