从识别到推理：基准测试与增强多模态大语言模型在真实世界收据文档理解上的能力

从视觉文档中提取结构化信息是商业自动化的基石。针对现有基准在规模、真实性及语义粒度上的不足，本文提出了 ReceiptBench，一个包含 1 万张多样化收据的大规模人工标注基准。该基准将信息提取划分为四个层级子任务：基础感知、格式规范化、语义推理及结构解析，重点考察从上下文中推断隐含属性的能力。此外，本文提出了一种结合度量感知组相对策略优化（GRPO）的两阶段训练框架，将评估约束转化为强化学习信号以增强结构一致性。实验表明，该方法在复杂推理任务上超越了领先的专有模型。