中山大学、南洋理工大学、混沌摆实验室提出 ProSA 多模态文档解析评测框架｜EMNLP 2026
2026.09.18 · 事件 · 论文 · 媒体报道
ProSA 框架通过受控干扰对比解析结果，量化文档解析错误并评估其对问答的影响。
中山大学、混沌摆实验室、南洋理工大学联合提出 ProSA 多模态文档解析评测框架，通过施加可控干扰并对比前后解析结果，计算块级结构损失率（B-SLR）来定位内容丢失与结构变化。实验显示，结构性干扰虽面积仅约0.11%，却导致问答准确率显著下降，且 B-SLR 比干扰面积更贴近字符错误率变化。相关论文被 EMNLP 2026 录取。
- ProSA 框架通过受控干扰对比解析结果，计算 B-SLR 指标
- 结构性干扰面积仅 0.11%，问答准确率下降明显
- B-SLR 比干扰面积更贴近字符错误率变化
- 按 B-SLR 选页可补回约 64.8% 的准确率降幅
- 论文获 EMNLP 2026 录取，代码已公开
为什么值得看
提供可复用的文档解析评测方法，帮助定位解析错误并评估对下游任务的影响。
适合谁关注
文档解析系统开发者、多模态大模型研究者、企业文档处理工程师