論文の概要: P2TPO: Structure-Aligned Page-to-Token Credit Assignment for Full-Page Document Parsing

• arxiv url: http://arxiv.org/abs/2610.21979v1
• Date: Thu, 15 Oct 2026 14:32:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.128781
• Title: P2TPO: Structure-Aligned Page-to-Token Credit Assignment for Full-Page Document Parsing
• Title（参考訳）: P2TPO:フルページ文書解析のための構造対応ページ・ツー・トークン・クレジット・アサインメント
• Abstract要約: 本稿では,P2TPO(Page-to-Token Policy Optimization)について紹介する。 P2TPOは,6つの文書解析ベンチマークのそれぞれに対して,評価された政策最適化基準を平均値で上回っていることを示す。
• 参考スコア（独自算出の注目度）: 5.091357174540946
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: End-to-end full-page document parsing must preserve the content and structure of heterogeneous elements, yet otherwise accurate outputs can contain local errors and omissions. A single page-level advantage does not explicitly identify which elements differ in quality across sampled outputs or where their errors occur. We introduce Page-to-Token Policy Optimization (P2TPO), a structure-aligned credit-assignment framework that operates on full-page policy trajectories. Reference-element alignment first associates block-level quality contrasts with generated spans. Unified Anchor Pricing (UAP) incorporates matched and missing element outcomes and provides feedback relative to a fixed quality ceiling when sampled outputs receive identical but imperfect scores for a reference element. Within matched blocks, Span Credit Redistribution (SCR) redistributes existing block credit according to aligned correct and erroneous spans, using boundary proxies for within-block omissions while preserving the total block-derived advantage across its tokens. Under a fixed-weight additive page utility, we show that element-indexed contrasts retain local quality differences that page-level aggregation can cancel out. In the main experimental comparison, P2TPO outperforms all evaluated policy optimization baselines in seed-averaged scores on each of the six document parsing benchmarks. Additional experiments demonstrate gains across model scales and initializations.
• Abstract（参考訳）: エンド・ツー・エンドのフルページの文書解析は異種要素の内容と構造を保存しなければならないが、そうでなければ正確な出力は局所的なエラーや省略を含むことができる。 単一のページレベルの利点は、どの要素がサンプリングされたアウトプット間で品質が異なるのか、どこでエラーが発生したのかを明確に識別しない。 本稿では,P2TPO(Page-to-Token Policy Optimization)について紹介する。 参照要素アライメントは、まずブロックレベルの品質コントラストと生成されたスパンを関連付ける。 統一アンカー価格(UAP)は一致した要素と欠落した要素の結果を取り入れ、サンプル出力が参照要素に対して同一だが不完全なスコアを受けたとき、一定の品質の天井に対してフィードバックを提供する。 一致したブロック内では、Span Credit Redistribution (SCR) が既存のブロッククレジットを再配布する。 固定重付加ページユーティリティでは、要素インデクシングされたコントラストが、ページレベルのアグリゲーションがキャンセルされるような局所的な品質差を保っていることを示す。 主な実験比較では、P2TPOは6つの文書解析ベンチマークのそれぞれのシード平均スコアにおいて、評価されたポリシー最適化基準線を上回ります。 さらなる実験は、モデルスケールと初期化における利得を示す。

関連論文リスト

• Credit the Right Box: Marginal Contribution Assignment for Structured Visual Perception [14.939557815820693]
  Marginal Contribution Reward (MCR) は、各予測ボックスのコントリビューションを、アウトアウト比較によって推定する。 Continuous Matched Set Value Evaluatorは、置換不変マッチング、カウントアウェア正規化、グレードローカライゼーションを統合している。 REC、DOD、セグメンテーション、カウントベンチマークにわたる実験は、以前のGRPOベースのベースラインよりも最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-08-02T07:43:09Z)
• Faithful by Construction: Claim-Anchored Attribution for Multi-Document Summarization [1.1168121941015015]
  Claim-Anchored Multi-Docment Summarization framework (CAMS) Claim-Anchored Multi-Docment Summarization framework (CAMS)
  論文  参考訳（メタデータ） (2026-06-22T22:39:08Z)
• F-GRPO: Factorized Group-Relative Policy Optimization for Unified Candidate Generation and Ranking [79.49893545611779]
  大規模言語モデル(LLM)はサブセットを生成し、それを1つの自己回帰パス内で順序付けることができる。 この柔軟性は、新しい最適化課題をもたらす: モデルが出力空間を検索し、完全なランクリストが生成された後にのみユーティリティフィードバックを受けなければならない。 このクレジット割り当てギャップは、エンドツーエンドの最適化を不安定にし、サンプル非効率にする。 本稿では,単一自己回帰的ロールアウト内の両方を実行する統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-13T04:52:33Z)
• CHOP: Chunkwise Context-Preserving Framework for RAG on Multi Documents [6.134883925217888]
  大規模言語モデル(LLM)によるチャンク関係を反復的に評価するフレームワークであるCHOPを提案する。 CHOPはCNM-ExtractorとContinuity Decision Moduleという2つの重要なコンポーネントを統合している。 ベンチマークデータセットの実験では、CHOPは検索の混乱を緩和し、高品質な知識ベースを構築するためのスケーラブルなアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-17T08:05:17Z)
• Parser-Oriented Structural Refinement for a Stable Layout Interface in Document Parsing [23.497081928689525]
  インターフェースを安定させるために,DETR型検出器とインターフェースの間に軽量な構造改善ステージを導入する。 原検出出力をコンパクトな仮説プールとして扱うことで、提案モジュールは、クエリ機能、セマンティックキュー、ボックス幾何学、視覚的エビデンスに関するセットレベル推論を行う。 共有された構造状態から、インスタンスの保持を共同で決定し、ボックスのローカライゼーションを洗練し、ハンドオフ前に入力順序を予測する。 提案手法はページレベルのレイアウト品質を常に改善することを示す。
  論文  参考訳（メタデータ） (2026-04-03T03:36:36Z)
• AIR: A Systematic Analysis of Annotations, Instructions, and Response Pairs in Preference Dataset [89.37514696019484]
  嗜好学習は、大きな言語モデルと人間の価値の整合に不可欠である。 私たちの作業は、好みのデータセット設計をアドホックなスケーリングからコンポーネント対応の最適化にシフトします。
  論文  参考訳（メタデータ） (2025-04-04T17:33:07Z)
• Project-Probe-Aggregate: Efficient Fine-Tuning for Group Robustness [61.45587642780908]
  画像テキスト基礎モデルのパラメータ効率向上のための3段階のアプローチを提案する。 本手法は, マイノリティ標本同定とロバストトレーニングアルゴリズムの2つの重要な要素を改良する。 我々の理論分析は,PPAが少数群の識別を向上し,バランスの取れたグループエラーを最小限に抑えるためにベイズが最適であることを示している。
  論文  参考訳（メタデータ） (2025-03-12T15:46:12Z)

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。