VGA-KIE给文档抽取加一道复核关：同一候选缓存上平均Field-F1从93.49升到97.65
核心概要
视觉丰富文档的关键信息抽取常能生成格式合法的字段值，却难以说明该值来自哪块版面、是否满足模式与跨字段约束。VGA-KIE把字段值、可定位证据、校验状态、失败原因和修复记录合成一个字段级状态，只在证据重新链接并通过同一组约束校验后才放行修复结果。在与LayTokenLLM-8B直接抽取共享同一冻结候选缓存的配对比较中，平均Field-F1由93.49升至97.65，4720个目标字段中放行4475个。
深度剖析
关键信息抽取的输出不再只是一个字段值，而是一个带证据、校验状态和修复历史的字段级状态，只有证据非空且可定位、约束可检验、状态为通过的字段才会被放行。 此前的文档模型主要改进候选生成，把候选值、可定位证据、校验状态和修复动作分散在不同组件里，无法形成带可审计转移规则的统一字段状态。 在与LayTokenLLM-8B直接抽取共享同一冻结检查点、输入处理、解码配置和候选缓存的配对比较中，平均Field-F1从93.49升到97.65，三个数据集上分别提高4.05、4.45和3.98个百分点。
系统按抽取、定位、校验、修复、再校验的顺序处理每个目标字段，修复只作用于被判定为失败或不确定的字段，而不是重跑整篇文档。 定位模块把候选值链接到词元片段、文本行、文本块、表格单元格或图像区域，校验器再检查格式、空间、证据、语义、跨字段和表格结构六类约束。 在FUNSD、SROIE和CORD组成的固定测试清单上，共497篇文档、4720个目标字段，VGA-KIE放行4475个，接受覆盖率为94.8%。
修复后的候选必须重新做证据链接并通过同一组约束校验，才能进入最终输出，这一道再校验关口主要用来限制有害改写。 去掉再校验后，修复成功率反而略高，为71.8%，但错误修复率从2.1%升到5.8%。 完整系统在400个初始错误并进入修复的字段中修对282个，修复成功率70.5%；在4100个初始正确字段中有86个被改成错误值，错误修复率2.1%。
启示与展望
结果限定在FUNSD、SROIE和CORD三个数据集、固定划分与共享评测脚本下，候选生成器固定为LayTokenLLM-8B，延迟1.32倍只计冻结候选缓存之上的后处理开销，不含OCR与候选生成。
失败检测指标是二分类的，六类主导失败原因各自的精确率、召回率和F1尚未给出；结果未建立跨候选生成器的稳定增益，也未覆盖长多页文档；所有数值都是固定测试集上的点估计，没有文档级自助置信区间或跨随机种子的方差。