跳到正文
arXiv cs.AI· Prashant Khatri, Bhavana Malagavalli, Saiful Haq, Niyati Chhaya·· 4 小时前AI 评分20

RICoT:面向页面流分割的循环交错思维链提示框架

RICoT: Recurrent Interleaved Chain-of-Thought for Page Stream Segmentation

AI 导读

RICoT 是一种将页面流分割(PSS)重构为整段顺序处理过程的提示框架,在滑动窗口内逐页推理并即时给出边界判断,跨窗口携带已读内容的紧凑记录以控制单次调用成本。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:大语言模型(LLM)重新激发了人们对页面流分割(PSS)的兴趣,该任务旨在将一个多页文件拆分为其组成的各个文档。然而,已发表的 LLM 方法仍将该任务视为对一个或少数相邻页面的边界分类,而商业文档分割 API 并未公开其方法。我们为 LLM 重新构想 PSS,将其视为对整个流依次处理的过程,并提出 RICoT(循环交错思维链),一种像读者一样逐页处理的提示框架:在滑动窗口内,它对每一页进行推理,并在继续之前确定其边界决策;跨窗口时,它携带已读内容的紧凑记录,使每次调用的成本保持有界。我们还推出了 FinancePSS-205,这是一个包含 205 个真实世界、去标识化金融页面流的基准,将公开发布。在 FinancePSS-205 上,对于三个开放权重 LLM 中的每一个,RICoT 在相同主干下达到或超过成对和窗口化提示的效果;在 TABME 测试子集上,使用 GLM-5 的 RICoT 达到文档 F1 0.847 和边界 F1 0.915,高于已发表的零样本结果。一个 2B 参数的学生模型,在更大教师模型的决策上训练(分别使用和不使用页面级推理),在两种模式下表现相当,并在 FinancePSS-205 上达到与最强提示模型相差 0.05 文档 F1 以内的水平。
评论: 18 页,3 幅图,19 张表。数据集和代码将发布
主题: 计算与语言(cs.CL);人工智能(cs.AI);信息检索(cs.IR)
ACM 分类: I.2.7;I.7.5
引用为: arXiv:2611.22382 [cs.CL]
  (或 arXiv:2611.22382v1 [cs.CL] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22382

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Prashant Khatri [查看电子邮件]
[v1] 2026 年 11 月 17 日星期二 08:33:25 UTC(736 KB)

来源:arXiv cs.AI · arxiv.org