FinTabNet
PulseAugur coverage of FinTabNet — every cluster mentioning FinTabNet across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的 DELTA 和 TARQA 方法增强了 LLM 对表格的理解能力
研究人员开发了一种新的文档表格理解方法，将基于图像的视觉语言模型转向结构化文本表示。这种名为 DELTA 的方法将物理和逻辑结构识别与 OCR 分开，以准确提取表格布局和内容。输出格式 OTSL 专为 LLM 的高效处理而设计，并支持多语言文档。基于此格式微调的 LLM TARQA，在表格重建和视觉问答任务上显著提高了性能，在 WTQ 和 FinTabNetQA 等基准测试中取得了实质性进展。
-
研究发现LLM裁判在表格识别再生任务中不可靠
一项新的研究论文对使用大型语言模型（LLM）作为裁判来评估和选择闭环再生任务（尤其是在表格识别方面）的输出的可靠性提出了质疑。研究发现，LLM裁判信号较弱，常常导致平局和不可复现的排名。尽管迭代改进提高了候选输出，但LLM裁判未能持续识别出更好的输出。研究表明，LLM的评估能力并不直接转化为优化效用，并且有效的迭代改进需要确定性的验证信号。
-
新的主动学习方法增强表格提取管道
研究人员已将一种名为不确定性群集（Uncertainty Herding, UHerding）的主动学习策略应用于表格提取中使用的级联目标检测管道。此举旨在减轻昂贵的标注负担，特别是对于表格结构识别（Table Structure Recognition, TSR）。提出的扩展方法 RankFusion 和 CAPA，通过结合双流形覆盖和具有不确定性校准的阶段依赖门控，利用表格检测（Table Detection, TD）和 TSR …
-
FastTab 模型使用递归模块和一维 Transformer 进行表格识别
研究人员开发了 FastTab，这是一种新颖的表格结构识别模型，它利用了递归模块和一维 Transformer。这种方法通过专注于以网格为中心的推理，绕过了传统的自回归解码。FastTab 在多个基准测试中展示了具有竞争力的性能和低延迟推理，并可能应用于摄像头拍摄的文档。