KIT 团队提出 Read-Parse-Describe 页面级解析基准

卡尔斯鲁厄理工学院（KIT）研究团队发布论文，提出 Read-Parse-Describe 页面级文档解析基准：给定一页论文图像，模型需一次输出按阅读顺序排列的完整元素清单，每个元素带边界框、语义标签、顺序号和识别文字，视觉元素还须关联图注并生成一句描述「图画了什么」的替代文本。论文同时提出 SARA 空间对齐残差适配器。 基准数据共 2,402 篇论文，全部取自 ACM 开放获取库，且只取每篇前 8 页。作者称数据集与代码将开源，但报道发布时项目链接尚未放出。 在训练数据用量上，SARA 只给 10% 时四项结构指标均低于全量微调；给到 50% 时反超（F1 0.8781 对 0.6991），100% 时全面领先。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。