论文
ParseFixer：通过选择性多模态校正进行文档解析的代理框架
ParseFixer: An Agentic Framework for Document Parsing via Selective Multimodal Correction
摘要
在本报告中，我们展示了 DataMFM 挑战赛道 1：文档解析的第三名解决方案。该方向要求模型从文档页面图像恢复结构化 Markdown 文档，同时保留文本内容和文档结构。为了满足准确的内容恢复和忠实的结构重建的互补要求，我们提出了 ParseFixer，一种用于主干解析和选择性校正的代理框架。 ParseFixer 由两个关键模块组成：全页主干解析 (FBP) 和代理选择性校正 (ASC)。 FBP 使用 MinerU2.5 Pro 生成稳定的初始 Markdown 输出，而 ASC 检测高值解析故障并通过验证和回滚校正过程修复它们。通过在开源主干解析之后进行选择性多模态校正，ParseFixer 改进了关键文档元素的恢复，而无需重写可靠的主干预测。在测试集上，我们的最终系统获得了 61.78 的总分，在 Track 1 中排名第三，证明了其准确文档解析的有效性。我们的代码将发布在：https://github.com/iLearn-Lab/CVPRW26-ParseFixer。