LaTeX 公式的光学字符识别（OCR）是科学文献数字化与智能处理的基础环节，尽管该领域取得了一定进展，现有方法在真实科学文献处理时仍面临诸多挑战： 其一，主流方法及公开数据集多聚焦于结构简单、符号单一的公式，难以覆盖多学科、高难度的复杂公式；其二，实际文档中广泛存在的多行公式、长公式、分 段公式及页面级复杂排版等情况尚未得到充分关注与处理；其三，大多数方法依赖专用模型，通常需要针对特定任务进行专门设计，难以实现通用性和扩展性。 针对上述挑战，DocTron 团队提出了系统性解决方案。 首先，针对现有数据集覆盖面有限、结构单一的问题，构建了涵盖 多学科、多结构的大规模 高难度数据集 CSFormula ，包含行级、段落级和页面级的复杂排 版。 其次，团队提出的 DocTron-Formula 模型 突破了对特定结构建模的依赖，采用通用大模型驱动的复杂公式识别方法，仅需简单微调即可适配多样化应用场景。 最后，相比于最优的定制化公式识别模型，该方法不仅在主流的开源评测中取得了优秀的性能表现，在实际应用中常见的页面级、段落级复杂排版场景中也取得 了显著优势，推动了公式识别的应用边界。 $$\sigma^{2}=\i ...