PrismAlign：用于幻觉鲁棒表 OCR 的先验引导多视图 VLM 对齐

表提取经常出现结构错误和语义幻觉。我们提出了 PrismAlign，这是一个多 VLM 框架，可以调整不同的视觉视角来解决歧义。它集成了表逻辑的先验来评估输出的合理性，将结构对齐与单元格内容对齐解耦。贝叶斯决策策略通过利用提取错误和可计算规则违规之间的相关性来最大化对齐精度。在开源和自定义 VLM 上进行评估后，PrismAlign 减少了幻觉，并在 OmniDocBench 1.5 以及 CC-OCR 和 PureDocBench 的表格类别上实现了最先进的性能。