華為團隊提出 PrismAlign 表格提取方法：採多視角 VLM 對齊解決幻覺，OmniDocBench 1.5 獲 95 分

據報導，華為團隊提出名為 PrismAlign 的多視角視覺語言模型（VLM）對齊框架，旨在解決複雜表格結構化提取中的幻覺問題，相關論文獲 EMNLP Industry Track 2026 收錄。 該方法借鑒人類立體視覺，將表格結構對齊與單元格內容對齊解耦，並引入「行列守恆」與「物理極限」等表格幾何不變量作為先驗約束。在推論階段，PrismAlign 透過貝氏推論計算最大後驗機率（MAP），並引入 TEDS-Structure 相似度過濾與多數視角拓撲偏離的異常輸出，僅在單元格粒度達成高置信共識時才確認結果。 在工程部署上，PrismAlign 支援 Shared-Encoder 方案，讓參與觀測的多個模型共用視覺編碼器權重，避免記憶體與 prefill 時間隨模型數量線性增加；同時系統可輸出單元格粒度的置信度分數，支援 Human-in-the-Loop 工作流，將低置信區域精準路由至人工複核。 評測數據顯示，PrismAlign 在 OmniDocBench 1.5 中 TEDS 達 94.62、TEDS-Structure 達 97.30、Overall 達 95 分區間，並在 CC-OCR 與 PureDocBench 的表格任務中達到 SOTA。