arXiv cs.AI· Subodh Lonkar·· 11 小时前AI 评分26
面向人类中心、风险约束的财务文档识别评估框架
Human-Centred, Risk-Constrained Evaluation of Financial Document Recognition: Evidence, Critical Errors, and Selective Automation
AI 导读
一篇 arXiv 论文提出以证据恢复和决策支持为核心的人类中心、风险约束财务文档识别评估框架，将逐字转录、确定性归一化与业务解读分离，并定义与可见源区域绑定的类型化财务事实。
正文 · AI 翻译
摘要：财务文档识别通常使用字符错误率和词错误率进行评估，但这些指标并不能体现系统是否保留了个人和组织据以行动的财务事实。本文提出了一个以人为本、风险约束的框架，将财务文档识别评估为证据恢复和决策支持。它定义了与可见源区域相关联的类型化财务事实，并区分了逐字转录、确定性归一化和业务解释。分层质量模型涵盖文本、定位、布局、表格、字段、事实正确性、证据依据、不确定性、鲁棒性和运行性能。非补偿性验收门限对关键字段错误使用单侧不确定性边界，防止高总体得分掩盖金额、标识符、符号、期间或实体关联方面的失败。选择性自动化被表述为一个约束路由问题，考虑残余风险、人工审核能力和审核成本。该框架进一步规定了标注和裁定程序、抗泄漏的基准划分、统计估计量、子组分析和可复现性卡片。形式化结果确立了补偿性评分的局限性、零观测错误后的非零风险上界，以及将不确定案例路由至人工审核的损失敏感决策规则。贡献是理论性和方法性的；未声称新的模型、数据集或实证性能结果。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.02775 [cs.CV] |
| （或 arXiv:2611.02775v2 [cs.CV] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.02775 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Subodh Lonkar [查看电子邮件]
[v1]
2026年11月2日星期一 08:51:01 UTC（23 KB）
[v2]
2026年11月5日星期四 10:23:18 UTC（595 KB）
来源：arXiv cs.AI · arxiv.org