AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：文档处理×
6月25日
09:29
09:29arXiv cs.AI@Rita-Nathalia Assaf, Tom Davot, Frédéric Lardeux, Frédéric Saubion
本文提出位置图（position graphs），一种基于位置空间形式化的图推理框架。该框架使用两个严格偏序关系（分别表示水平和垂直对齐与优先）来建模离散标记的相对位置。与通用定性空间演算不同，位置图受到链条件和兼容性约束，重点聚焦行与列。文章提供了位置图一致性的充要条件，并证明在该类图上诱导子图同构问题（用于结构模式发现）是NP完全的。该工作源于文档处理，但独立于具体提取技术，专注位置约束的数学性质。
论文Position GraphsPosition Spaces图推理文档处理NP完全
推荐理由：这篇论文提出了位置图框架，用图结构建模离散token的空间关系，并证明了模式发现是NP完全问题，适合对图推理或文档分析感兴趣的研究者。
原文
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
5月19日
10:22
10:22arXiv: DeepSeek@Diego Gosmar, Giovanni Zenezini
精选
MADP 是一个面向企业文档处理的多智能体架构，包含分类、拆分、解析、提取和验证五个专用智能体，并引入人工在环（HITL）机制和提示微调反馈继承（PFTFI）方法。在10万张发票/年的生产场景中，MADP 可减少约70%的全职人力需求；实际部署955份文档后，全管线自动化率达97%，仅3%需非AI回退。在100份文档的消融测试中，完整配置下文档级准确率达98.5%。相比传统人工处理，MADP 还减少69%的二氧化碳排放、69%的能耗和63%的水耗，并对比了 Granite-Docling、Mistral-Small、DeepSeek-OCR 等多个 LLM 后端。
论文多智能体文档处理人工在环企业自动化可持续AI
推荐理由：企业文档处理团队终于有了可落地的多智能体方案——MADP 用 HITL 机制平衡自动化与准确率，做发票、合同等批量文档处理的团队可以直接参考其部署结果和碳排放数据。
原文