CARLAR 影响：多模态支票提取中的结构化幻觉风险与探索性图像压缩对策
英文标题：CARLAR Influence: A Structured Hallucination Risk in Multimodal Cheque Extraction and an Exploratory Compressed-Image Countermeasure
多模态大语言模型（LLM）正日益广泛地应用于金融票据的结构化数据提取，但在面临视觉模糊与歧义时，模型的行为特征仍未得到充分认知。本研究重点考察了支票中的小写数字金额识别（CAR）与大写文字金额识别（LAR）之间的相互影响（CARLAR），揭示了两者在多模态抽取过程中引发的结构化幻觉风险。针对这一漏洞，研究提出了一种基于图像压缩的探索性防御对策。该研究对从事金融自动化处理与多模态 Agent 落地开发的工程师具有重要的风险防范与系统优化参考价值。
打开原文相关 3.2 · 机会 0
2.0 KB
640 B
612 B
380 B
9.1 KB
18.2 KB
22.8 KB
24.2 KB
34.7 KB
中文
论文信息
- 论文编号：arXiv:2610.27192v1
- 公告类型：最新（new）
摘要
多模态大语言模型（LLM）正越来越多地被用于金融凭证及文档的结构化数据提取，但在面对视觉模糊和歧义时，模型的内在行为机制仍知之甚少。本研究针对支票识别中的小写数字金额识别（Courtesy Amount Recognition, CAR）与大写文字金额识别（Legal Amount Recognition, LAR）之间的相互影响（CARLAR）展开系统性分析，揭示了模型在跨模态上下文推理中产生的结构化幻觉风险。针对此类风险，论文进一步提出并评估了一种基于压缩图像的探索性对策，以提高多模态模型在复杂金融文档提取任务中的鲁棒性与准确性。
English / 原文
BibTeX formatted citation
×