把一页双栏报告交给普通 OCR，它也许能认出字，却未必知道标题属于哪段、脚注该接在哪里。NVIDIA Nemotron Parse 2.0做得更进一步：输入文档图片和任务提示后，一次输出文字、版面类别、边界框与阅读顺序，把页面还原成机器可读的结构。边界框是页面元素的位置坐标，阅读顺序则告诉系统多栏、图表和脚注应该怎样串起来。
这对 RAG 和文档 ETL 很关键。RAG（检索增强生成）要先从资料库找内容，解析结果会影响资料如何切分和检索；ETL 则负责从 PDF、扫描件等抽取、整理并写入数据库。相比 v1.2，新版扩充了约 2 万个词元的词表，以提高多语言处理效率；还新增图表类别，可识别图表区域，并把可见信息转成结构化文本。模型页面同时称，它加强了中日韩及印度文字、手写内容和复杂表格的处理，但未提供本文可独立核查的评测数字。