从“单目感知”到“多视角立体对齐”：PrismAlign 重新定义文档结构化提取的精度上限

摘要

华为团队被 EMNLP Industry Track 2026 收录的 PrismAlign，让多个 VLM 视角分别观测同一版面，再用贝叶斯决策层对多路输出做一致性对齐，以抑制表格 OCR 的幻觉。它针对的是嵌套表头、旋转扫描、无网格线版式下单视角推理凭空补单元格、把多级表头压平、将墨点脑补成货币符号等系统性偏差，做文档结构化提取与数据管线的团队可以对照。