中山大学等团队提出 ProSA 多模态文档解析评测框架，获 EMNLP 2026 录取
ProSA 用干扰前后的解析对比，量化文档解析中不易察觉的结构性损失，并验证它对检索问答的实际影响。
ProSA 是中山大学、南洋理工大学与混沌摆实验室共同提出的多模态文档解析评测框架。它给同一页文档施加可控干扰，再对比干扰前后的解析结果，逐个内容块检查是否丢失或文字变化，用 B-SLR 统计结构损失，并检验对检索问答的影响。研究指出，页面改动仅约 0.1% 就可能让原本可用的答案失效。
正文摘录
.png)   随着大模型被用于文献检索、报告分析和专业问答，文档能否读得准确、完整，会直接影响后续回答。企业中的技术手册、设计资料往往混合着文字、表格与图像，读取出错后，可能还需要工程师回到原文核对。 错误发生在哪里，会不会影响后续结果？ 针对这一问题， 中山大学、混沌摆实验室（Chaotic Pendulum Lab，混沌摆科技）、南洋理工大学 的研究人员共同提出 ProSA 多模态文档解析评测框架，比较同一份文档受干扰前后的解析结果，检查哪些内容丢失、哪些结构发生变化，并检验对检索和问答的影响。相关论文获 EMNLP 2026 录取。  01 ProSA 怎样检查解析错误 文档解析器会把页面转换成文字、表格等内容块，并记录它们的位置。