现实文档中双栏论文、手写公式、跨页表格、化学结构式等长尾情况极易导致传统 OCR 失效。人工标注不但成本高昂，还难以穷尽所有奇葩排版，新版本上线后仍可能在未见过案例上出错。

RSI 流程让模型自己挑坏样本、自我诊断，再由通用 VLM 结合原始图像、解析结果和评判标准，把样本切分为 Correct、Wrong 和 Unsure 三类，避免把犹豫样本强行当作确定标签污染训练。整个迭代不依赖新增人工标注，显著降低构建高质量解析系统的门槛。

该模型本地部署成本相对可控，为开发者提供了一条处理复杂文档的实用路径。未来围绕它的微调和工具集成有望快速增加，推动文档智能在中文场景下的落地。