PulseAugur
中
实时 06:41:46
English(EN) Evidence First, Arithmetic Second: A System Report and Failure Analysis for DocSem

EVICALC 系统在 DocSem 任务中准确率达 8.61%，凸显 OCR 挑战

作者 PulseAugur 编辑部 · [2 个来源] ·

一个名为 EVICALC 的系统，专为 DocSem 共享任务设计，在 1,730 个任务上实现了 8.61% 的联合准确率。该系统通过选择段落来处理 PDF，使用语言模型生成算术表达式，然后在本地评估这些表达式。一个单独的公开验证运行获得了更高的分数，准确率为 92.17%，证据 F1 为 1.00，尽管由于配置不同，这些指标不能直接比较。分析显示，光学字符识别错误（如合并文本块）等问题可能导致系统从不相关的内容中回答。 AI

影响 凸显了在复杂文档理解任务中集成 OCR 和 LLM 的挑战。

排序理由 该集群包含一篇详细介绍系统在特定任务上的性能和失效分析的研究论文。

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

EVICALC 系统在 DocSem 任务中准确率达 8.61%，凸显 OCR 挑战

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
该集群包含一篇详细介绍系统在特定任务上的性能和失效分析的研究论文。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
6 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Divya Godara, Sachin Gupta ·

    先证后算：DocSem的系统报告与失效分析

    arXiv:2609.39013v1 Announce Type: new Abstract: EVICALC, our system for the DocSem shared task, achieved 8.61% joint accuracy on 1,730 tasks in the official final test evaluation. It reads a PDF, selects a passage, asks a language model to write an arithmetic expression, and eval…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Sachin Gupta ·

    先证后算：DocSem的系统报告与失效分析

    EVICALC, our system for the DocSem shared task, achieved 8.61% joint accuracy on 1,730 tasks in the official final test evaluation. It reads a PDF, selects a passage, asks a language model to write an arithmetic expression, and evaluates that expression in local code. Saved inter…

相关实体

相关话题