Agentar-Fin-OCR
计算机视觉与模式识别
2026-03-12 v1
摘要
本文提出 Agentar-Fin-OCR，一种针对金融领域文档的文档解析系统，将超长金融 PDF 转换为语义一致、高度准确的结构化输出，具备审计级别的数据溯源能力。为解决金融领域的特定挑战，如复杂版面布局、跨页结构中断和单元格级引用能力，Agentar-Fin-OCR 结合了 (1) 跨页内容整合算法以恢复跨页的连续性，以及 Document-level Heading Hierarchy Reconstruction（DHR）模块以构建全局一致的目录（TOC）树，用于结构化检索；以及 (2) 用于表格解析的难度自适应课程学习训练策略，联合 CellBBoxRegressor 模块，该模块使用结构锚定标记从解码器隐藏状态中定位表格单元格，而无需外部检测器。实验表明，我们的模型在 OmniDocBench 的表格解析指标上表现优异。为实现金融领域的真实评估，我们进一步引入 FinDocBench，一个包含六类金融文档类别的基准，包含专家验证的注释和评估指标，包括目录编辑距离相似性（TocEDS）、跨页拼接 TEDS，以及表格单元格交并比（C-IoU）。我们对 FinDocBench 上广泛的先进模型进行评估，以评估其在金融文档上的能力及其局限性。总体而言，Agentar-Fin-OCR 和 FinDocBench 为可靠的下游金融文档应用提供了实用基础。
引用
@article{arxiv.2603.11044,
title = {Agentar-Fin-OCR},
author = {Siyi Qian and Xiongfei Bai and Bingtao Fu and Yichen Lu and Gaoyang Zhang and Xudong Yang and Peng Zhang},
journal= {arXiv preprint arXiv:2603.11044},
year = {2026}
}