SP-DocReader 用差异感知自博弈把 Qwen3-VL-4B 的 Vary-600K 字符错误率从 2.40 降到 1.11
SP-DocReader 提出一种面向文档 OCR 的自博弈框架，用最长公共子序列对齐参考文本与模型生成文本，只在未匹配位置施加对比式相对评分与直接负对数似然监督，且仅训练 OCR 模块、冻结视觉编码器与语言主干；在 Qwen3-VL-4B 与 InternVL-3.5-4B 上，三轮自博弈相对两轮监督微调降低了 Vary-600K 字符错误率，并在 DocBank、IIT-CDIP 及 DocVQA、InfographicVQA 上取得改进。