📖 AI 总结

华为团队在EMNLP Industry Track 2026发表PrismAlign工作，针对视觉语言模型在复杂版式、低质扫描和跨语言混排场景下稳定产生幻觉的问题，提出多视角立体对齐框架。该方法借鉴人类双目立体视觉先验，以多个VLM对同一版面做差异化观测，再通过贝叶斯决策层进行一致性对齐，仅在多视角达成高置信共识时输出结果，否则回退至保守标记。文章指出，文档结构化提取的字段级错误率正从10⁻¹向10⁻²乃至更低量级收敛，每一次数量级下降都意味着幻觉风险的实质收缩。这一思路将文档感知从单模型蛮力优化转向多通道共识，与通信、计算领域的范式演进同构，为提升结构化提取精度提供了系统层解法。