知识卡片：从诊断到修正：真实世界表格解析的基准评测与改进

一句话结论

当前文档解析器在通用表格基准上得分很高，但在复杂真实世界表格上明显失效。本文提出诊断基准 TableParseMap 和无需重训练的修正框架 DEC，将冻结解析器的表格 TEDS 平均提升 1.57 点，在大型表格上提升达 5.66 点。

事件概述/研究问题

近期文档解析器在 OmniDocBench v1.6 上的表格 TEDS 得分已超过 93，但社区反馈和作者审计发现，这些解析器在复杂真实世界表格上仍持续失败。为量化这一差距，作者引入 TableParseMap：一个包含 916 个真实世界表格的诊断基准，覆盖 5 个挑战场景和 9 种失败类型。被评估的最强解析器在该基准上仅达到 85.03 TEDS，说明聚合基准分数掩盖了大量实质性弱点。

作者将失败归因于三方面互补的限制：

大型表格超出单次解析的可靠处理规模；
弱或模糊的视觉线索阻碍结构感知；
重建出的表格可能与图像在视觉上不一致。

方法/产品要点

作者提出 DEC（Decompose–Enhance–Correct，分解—增强—修正），一个由视觉一致性引导的智能体框架，可在不重训练的情况下改进冻结的表格解析器。DEC 使用通用视觉语言模型（VLM）作为控制器：

Decompose（分解）：沿结构感知边界切分大型表格；
Enhance（增强）：暴露弱视觉证据，并对变换后的视图重新解析；
Correct（修正）：诊断并修复残余错误。

DEC 还包含两个关键模块：

VC-Gate（视觉一致性门控）：选择性触发干预；
VC-Ranker（视觉一致性排序器）：在推理时无需真实 HTML 的情况下验证候选更新并支持回滚。

此外，作者通过离线指标和跨模型共识，从 4,556 个候选中导出了一个包含 1,977 个表格的 Consensus-Hard Set（共识困难集）。

主要结果或产业意义

在 TableParseMap 上，最强解析器仅达到 85.03 TEDS，与 OmniDocBench v1.6 上超过 93 的分数形成明显对比。
在三个冻结解析器上，DEC 平均提升 TEDS 1.57 点。
在 TableParseMap 上：
- 总体提升 1.89 点；
- 结构性错误场景提升 2.62 点；
- 大型表格场景提升 5.66 点。

产业意义在于：DEC 不要求重新训练解析器，可以直接增强现有系统在复杂真实文档上的表格解析稳定性，对文档智能化落地有实际价值。

为什么重要

已有相关卡片更多关注基准评测暴露的差距，例如 WorldExam 指出高视觉质量不保证世界模型具备内在反应性，DataGovBench 揭示真实世界数据分析的显著性能差距。本文的增量信息在于：它不仅用 TableParseMap 再次证明“聚合高分掩盖真实弱点”，还给出了一个“诊断—修正”闭环——通过视觉一致性引导的 DEC 框架，在推理阶段提升冻结解析器表现，而无需重新训练或依赖真实 HTML 标签。这为表格解析领域提供了一条从“发现问题”走向“解决问题”的路径。

局限与不确定性

本文为 arXiv 预印本，尚未验证同行评审情况。
DEC 中具体使用的 VLM 型号、三个冻结解析器的名称、以及 VC-Gate/VC-Ranker 的网络结构和训练细节在摘要中未列出，待核实。
Consensus-Hard Set 的构造标准和跨模型共识具体定义待核实。
DEC 在不同解析器、不同表格类型上的更细粒度表现差异待核实。
摘要未提供 TableParseMap 中 9 种失败类型的具体名称和 5 个场景的详细划分，待核实。

可用于图书/PPT/简报的角度

案例：聚合基准分数高不等于真实场景可靠，可用“模拟考试高分、实际工作翻车”作类比。
方法创新点：不重新训练模型，而是用 VLM 做“控制器”来调度现有解析器，体现“智能体式修正”思路。
对文档 AI 产品设计的启示：视觉一致性可作为质量校验信号，在推理阶段自动触发修复，降低人工复核成本。
对评测体系构建的启示：需要专门设计困难集和诊断性分类，而不是只看平均分。

原始材料

英文标题：From Diagnosis to Correction: Benchmarking and Improving Real-World Table Parsing
英文关键词：Table Parsing; Benchmark; Visual Consistency; Agentic Framework; TEDS; Document AI
来源：arXiv:2608.09842v1 (cs.CV)
URL：https://arxiv.org/abs/2608.09842v1