论文提出基准与 NGTR 框架，缓解低质量图像对表格识别的限制。
资讯摘要
论文针对视觉大语言模型识别非结构化表格结构与内容研究不足的问题，提出一个基于分层设计理念的基准，用于评估免训练场景下 VLLM 的识别能力。评估发现低质量图像输入是识别过程的主要瓶颈，据此提出 Neighbor-Guided Toolchain Reasoner（NGTR）框架，集成多种轻量视觉操作工具，并从相似邻居迁移工具选择经验，另设反思模块监督工具调用。作者报告在公开数据集上该方法显著提升了原始 VLLM 的识别能力。
要点速读
- 论文提出分层设计的基准，评估 VLLM 在免训练场景下的表格识别能力
- 评估发现低质量图像输入是识别过程的重要瓶颈
- NGTR 框架集成轻量视觉工具，迁移邻居工具选择经验并用反思模块监督调用
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。