arXiv 2026年10月6日作者提出 CRAFT，一个模板感知的智能体表格填表框架：它把反思式校验与受限局部修复相连，先定位可疑区域、必要时恢复被覆盖的模板内容，再用矩形感知槽位定位器（RASG）重新定位可写单元格，并以标签—槽位提示和保护区域约束后续编辑；同时发布含 327 份表单、分 Instruction-Only 与 Multi-File 两条赛道的 FormFillBench，CRAFT 相对最强基线在两条赛道上分别把配对准确率提升 8.51 和 23.38 个百分点，组件移除实验支持结构裁决与槽位重定位的作用，换用第二个骨干模型后仍保持相对优势。作者提出 CRAFT，一个模板感知的智能体表格填表框架：它把反思式校验与受限局部修复相连，先定位可疑区域、必要时恢复被覆盖的模板内容，再用矩形感知槽位定位器（RASG）重新定位可写单元格，并以标签—槽位提示和保护区域约束后续编辑；同时发布含 327 份表单、分 Instruction-Only 与 Multi-File 两条赛道的 FormFillBench，CRAFT 相对最强基线在两条赛道上分别把配对准确率提升 8.51 和 23.38 个百分点，组件移除实验支持结构裁决与槽位重定位的作用，换用第二个骨干模型后仍保持相对优势。CRAFT 用模板感知的反思与局部修复做表格填表，在 FormFillBench 上把配对准确率提升 8.51 与 23.38 个百分点作者提出 CRAFT，一个模板感知的智能体表格填表框架：它把反思式校验与受限局部修复相连，先定位可疑区域、必要时恢复被覆盖的模板内容，再用矩形感知槽位定位器（RASG）重新定位可写单元格，并以标签—槽位提示和保护区域约束后续编辑；同时发布含 327 份表单、分 Instruction-Only 与 Multi-File 两条赛道的 FormFillBench，CRAFT 相对最强基线在两条赛道上分别把配对准确率提升 8.51 和 23.38 个百分点，组件移除实验支持结构裁决与槽位重定位的作用，换用第二个骨干模型后仍保持相对优势。作者提出 CRAFT，一个模板感知的智能体表格填表框架：它把反思式校验与受限局部修复相连，先定位可疑区域、必要时恢复被覆盖的模板内容，再用矩形感知槽位定位器（RASG）重新定位可写单元格，并以标签—槽位提示和保护区域约束后续编辑；同时发布含 327 份表单、分 Instruction-Only 与 Multi-File 两条赛道的 FormFillBench，CRAFT 相对最强基线在两条赛道上分别把配对准确率提升 8.51 和 23.38 个百分点，组件移除实验支持结构裁决与槽位重定位的作用，换用第二个骨干模型后仍保持相对优势。