研究人员开发了一个新的基准测试TableParseMap，以解决现有表格解析模型在处理复杂真实世界表格方面的局限性。该基准测试包含916个表格，涵盖五个挑战性场景和九种失败类型，结果显示即使是表现最佳的解析器，TEDS得分也仅为85.03，表明聚合分数未能捕捉到显著的弱点。为了克服这些问题，研究团队引入了DEC，一个无需重新训练即可增强现有表格解析器的代理框架。DEC利用视觉语言模型分解大型表格，通过重新解析转换后的视图增强结构感知，并在保持视觉一致性的同时纠正残留错误。 AI
影响 这项研究突出了当前表格解析技术中的关键差距，并提出了一个新颖的代理框架来提高在复杂真实世界数据上的性能。
排序理由 该集群包含一篇学术论文，详细介绍了新的基准测试和提出的表格解析框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
