RaV-IDP：用于忠实智能文档处理的重构验证框架

智能文档处理管道从文档中提取结构化实体（表格、图像和文本），用于下游系统，例如知识库、检索增强生成和分析。现有管道的一个持续限制是，提取输出的产生没有任何内在机制来验证它是否忠实地代表源。模型内部置信度分数衡量推理的确定性，而不是与文档的对应性，并且提取错误会悄悄地传递给下游消费者。我们提出了“重构即验证”(RaV-IDP)，这是一个文档处理管道，它将重构引入为一流的架构组件。提取每个实体后，专用重建器将提取的表示渲染回与原始文档区域可比较的形式，并且比较器对重建和未修改的源裁剪之间的保真度进行评分。该保真度分数是一个有根据的、无标签的质量信号。当保真度低于每个实体类型的阈值时，会触发结构化 GPT-4.1 视觉回退并重复验证循环。我们强制执行引导约束：比较器始终锚定原始文档区域，而不是提取，从而防止验证变得循环。我们进一步提出了一个每阶段评估框架，将每个管道组件与适当的基准配对。代码管道可在 https://github.com/pritesh-2711/RaV-IDP 上公开获取，以供实验和使用。