論文の概要: From Diagnosis to Correction: Benchmarking and Improving Real-World Table Parsing
- arxiv url: http://arxiv.org/abs/2608.09842v1
- Date: Mon, 10 Aug 2026 16:59:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.391239
- Title: From Diagnosis to Correction: Benchmarking and Improving Real-World Table Parsing
- Title（参考訳）: 診断から矯正へ:リアルタイムテーブル解析のベンチマークと改善
- Abstract要約: 最近の文書では OmniDocBench v1.6 の 93 以上の TEDS スコアが達成されている。
このギャップを定量化するために、916の現実世界のテーブルの診断ベンチマークであるTableParseMapを紹介します。
- 参考スコア（独自算出の注目度）: 50.70862449978062
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent document parsers achieve table TEDS scores above 93 on OmniDocBench v1.6, yet community feedback and our audit reveal persistent failures on complex real-world tables. To quantify this gap, we introduce TableParseMap, a diagnostic benchmark of 916 real-world tables organized into five challenging scenarios and nine failure types. The strongest evaluated parser achieves only 85.03 TEDS, showing that aggregate benchmark scores conceal substantial weaknesses. Our analysis attributes these failures to three complementary limitations: large tables exceed the reliable processing scale of a single pass, weak or ambiguous visual cues hinder structure perception, and the reconstructed table may remain visually inconsistent with the image. We therefore propose DEC (Decompose--Enhance--Correct), a visual-consistency-guided agentic framework that improves frozen table parsers without retraining. DEC uses a general VLM as the controller: Decompose partitions large tables along structure-aware boundaries, Enhance exposes weak visual evidence and reparses transformed views, and Correct diagnoses and repairs residual errors. A Visual Consistency Gate (VC-Gate) selectively triggers intervention, while a Visual Consistency Ranker (VC-Ranker) verifies candidate updates and supports rollback without ground-truth HTML at inference time. We further derive a 1,977-table Consensus-Hard Set from 4,556 candidates through offline metrics and cross-model consensus. Across three frozen parsers, DEC improves TEDS by 1.57 points on average; on TableParseMap, gains reach 1.89 points overall, 2.62 on structural errors, and 5.66 on large tables.
- Abstract（参考訳）: 近年の文書解析では,OmniDocBench v1.6 では 93 以上の TEDS スコアが達成されている。
このギャップを定量化するために、916の現実世界のテーブルの診断ベンチマークであるTableParseMapを紹介します。
最も評価の高いパーサーは85.03TEDSのみであり、集計ベンチマークスコアが重大な弱点を隠していることを示している。
我々の分析では、これらの障害は3つの相補的な限界に起因している。大きなテーブルは単一のパスの信頼性の高い処理スケールを超え、弱いか曖昧な視覚的手がかりは構造知覚を妨げ、再構成されたテーブルは画像と相容れない。
そこで我々は,凍結したテーブルパーサを再学習せずに改善する視覚一貫性誘導型エージェントフレームワークDEC(Decompose--Enhance--Correct)を提案する。
DECは一般的なVLMをコントローラとして使用する: 構造を意識した境界に沿って大きなテーブルを分割し、Enhanceは弱い視覚的証拠を公開し、変換されたビューを修復し、正確な診断と残差の修復を行う。
Visual Consistency Gate (VC-Gate) は介入を選択的にトリガーし、Visual Consistency Ranker (VC-Ranker) は候補更新を検証し、推論時にゼロトラストHTMLなしでロールバックをサポートする。
さらに、1,977テーブルのConsensus-Hard Setを、オフラインメトリクスとクロスモデルコンセンサスによって4,556の候補から導いた。
3つのフリーズパーサーの中で、DECはTEDSを平均1.57ポイント改善し、TableParseMapでは1.89ポイント、構造上のエラー2.62、大きなテーブル5.66ポイントに達した。
関連論文リスト
- Where vs What: Decomposing Structural and Content Failures in LLM-Generated Structured Outputs [15.823269213947347]
本稿では,構造忠実度と内容精度を計測するフレームワークであるStructure-Content Decomposition(SCD)を紹介する。
ネストされたタスクとテーブルタスクを6つのモデル(フロンティアに7B)に適用すると、一貫した現象が明らかになる。
我々は,SA-RLVRを提案し,SCDメトリクスを学習のための検証可能な報酬に変換する。
論文 参考訳（メタデータ） (2026-08-26T04:32:06Z) - StrucTab: A Structured Optimization Framework for Table Parsing [33.4550862402289]
StrucTabは、中間構造監督と報酬分解によって学習されたテーブル解析モデルである。
モデリングレベルでは、解析プロセスを人間にインスパイアされたサブタスクに分解することで、StrucTabはシーケンシャルな推論戦略を通じてそれらを段階的に統一する。
最適化レベルでは、分解された報酬を利用して安定かつ情報的最適化信号を提供する統一RLフレームワークUni-TabRLを導入する。
論文 参考訳（メタデータ） (2026-06-29T07:41:39Z) - How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings [56.70440596502351]
昨年は20以上のオープンドキュメントパースモデルが見られたが、ベンチマークはほぼOmniDocBenchにのみ依存している。
HTML/CSSのドキュメントイメージをレンダリングするベンチマークであるPureDocBenchは、10のドメイン、66ページ、1,475ページをカバーしています。
論文 参考訳（メタデータ） (2026-05-08T09:30:31Z) - HighlightBench: Benchmarking Markup-Driven Table Reasoning in Scientific Documents [88.16322879912458]
マルチモーダルな大言語モデル (MLLM) は文書理解においてかなりの進歩を遂げているが、明示的な論理ディレクティブとしてそのような方法を扱う能力はいまだ探索されていない。
マークアップ駆動型テーブル理解のための診断ベンチマークであるHighlightBenchを導入し,評価を5つのタスクファミリに分解する。
構成された出力制約の下では、視覚的手がかりがシンボリック推論と一貫して一致しなければならない場合、強いモデルでさえ不安定であることを示す。
論文 参考訳（メタデータ） (2026-03-25T06:15:40Z) - QUIETT: Query-Independent Table Transformation for Robust Reasoning [21.03903792753972]
現実世界の表はしばしば不規則なスキーマ、不均一な値形式、暗黙のリレーショナル構造を示す。
クエリ非依存のテーブル変換フレームワークQuIeTTを紹介する。
モデルと推論パラダイム間で一貫した利得を示しており、特に構造的に多様で目に見えない質問の課題に対して強力な改善がなされています。
論文 参考訳（メタデータ） (2026-02-23T16:23:49Z) - GLEAN: Grounded Lightweight Evaluation Anchors for Contamination-Aware Tabular Reasoning [0.5414847001704249]
本稿では, 汚染対応プローブ, 弱スーパービジョンガバナンス, 検索推論診断, 構造化エラー属性を統合する軽量な評価プロトコルを提案する。
我々は16GBのGPU予算でTabFact、WTQをSquall、TableBench、RobuT、SciTabで評価した。
論文 参考訳（メタデータ） (2026-01-22T13:56:19Z) - CORE-T: COherent REtrieval of Tables for Text-to-SQL [91.76918495375384]
CORE-Tはスケーラブルでトレーニング不要なフレームワークで、テーブルに目的のメタデータを付加し、軽量なテーブル互換キャッシュをプリコンプリートする。
バード、スパイダー、MMQAを越えて、CORE-Tはテーブル選択F1を最大22.7ポイント改善し、最大42%のテーブルを検索する。
論文 参考訳（メタデータ） (2026-01-19T14:51:23Z) - TabReX : Tabular Referenceless eXplainable Evaluation [15.411207072791806]
TabReXは、大規模な言語モデルによって生成されたテーブルを評価するための、参照レスでプロパティ駆動のフレームワークである。
構造的および事実的忠実度を定量化する解釈可能なルーリック認識スコアを計算する。
堅牢性を評価するため、6つのドメインと12のプランナー駆動摂動型にまたがる大規模なベンチマークであるTabReX-Benchを紹介する。
論文 参考訳（メタデータ） (2025-12-17T19:20:20Z) - Doc2SoarGraph: Discrete Reasoning over Visually-Rich Table-Text
Documents via Semantic-Oriented Hierarchical Graphs [79.0426838808629]
視覚的にリッチなテーブルテキスト文書に答えるTAT-DQAを提案する。
具体的には、離散推論機能を強化した新しいDoc2SoarGraphフレームワークを提案する。
我々は,TAT-DQAデータセットに関する広範な実験を行い,提案したフレームワークは,テストセット上でのエクサクティマッチ(EM)とF1スコアでそれぞれ17.73%,F1スコアで16.91%の最高のベースラインモデルを上回る結果を得た。
論文 参考訳（メタデータ） (2023-05-03T07:30:32Z) - Aligning benchmark datasets for table structure recognition [10.323063834827416]
テーブル構造認識(TSR)のためのベンチマークデータセットは、それらが一貫していることを保証するために慎重に処理する必要がある。
本研究では,これらのベンチマークをx$removing errorと不整合に合わせることで,性能が大幅に向上することを示す。
全体として、我々の作業はベンチマーク処理のパフォーマンスや、潜在的に他のタスクにも重大な影響があると信じています。
論文 参考訳（メタデータ） (2023-03-01T18:20:24Z) - TACRED Revisited: A Thorough Evaluation of the TACRED Relation
Extraction Task [80.38130122127882]
TACREDはリレーショナル抽出(RE)において最も大きく、最も広く使われているクラウドソースデータセットの1つである
パフォーマンスの天井に到達したのか、改善の余地はあるのか?
ラベルエラーは絶対F1テストエラーの8%を占めており、例の50%以上を可逆化する必要がある。
論文 参考訳（メタデータ） (2020-04-30T15:07:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。