DocElemHard

新的DocPO框架通过定制奖励增强文档解析

研究人员推出了一种新的文档解析框架DocPO，该框架利用具有定制步进感知奖励的强化学习。该方法旨在通过在训练过程中逐步锐化奖励信号来提高复杂文档解析任务的准确性，从而放大高分输出中的细微差别。在OmniDocBench和DocElemHard等基准数据集上的实验表明，DocPO通过其步进感知退火机制的增强，在不需要额外人工监督进行奖励构建的情况下，始终优于现有方法。