Yulong Zhang

共识熵通过衡量模型间一致性提高 VLM OCR 准确性

研究人员开发了一种名为共识熵（CE）的新指标，用于评估视觉语言模型（VLM）的光学字符识别（OCR）输出的可靠性。CE 衡量多个 VLM 之间的一致性，假设正确预测将产生一致的输出，而错误则会产生分歧。该指标无需训练，可集成到名为 CE-OCR 的框架中，该框架利用集成一致性来验证和选择高质量的 OCR 结果，据报道，与使用 VLM 作为裁判相比，F1 分数提高了 42% 以上。