多模态模型抽取合同表格怎么验收：版面切片、字段约束与人工复核

合同表格的难点通常不在“能不能识别文字”，而在于模型会把跨页表头、合并单元格和金额单位拼错。比如付款计划里“比例”“金额”“付款节点”分散在两页，直接让模型输出 JSON，结果看起来完整，回到原文却找不到对应位置。更稳的做法是先按版面切片，再让模型只填约定字段，最后用规则和原页证据验收。

先把抽取接口的目标定成“可验收字段”

如果调用方只说“把合同表格提取出来”，接口就没有明确成功标准。一个适合验收的结果，至少要带上合同页码、表格名称、行号、字段名、规范化值和来源片段。模型负责理解视觉布局，程序负责检查类型、范围和必填关系。

{
  "table": "付款计划",
  "page": 7,
  "rows": [
    {
      "row_no": 1,
      "milestone": "合同签署后 10 日内",
      "ratio": 0.3,
      "amount": 150000,
      "currency": "CNY",
      "evidence": {"page": 7, "slice": "p7-table-02"}
    }
  ]
}

这里的 evidence 不是装饰字段。它让审阅者可以从结果回到第 7 页的原始切片，判断 0.3 是“30%”还是被相邻列带进来的数字。对于金额字段，建议同时保留展示值和规范化值，避免把“15 万元”直接变成没有单位的 15。

版面切片决定模型看见什么

整份合同直接送入模型，长表格容易出现两类问题：表头在上一页、数据在下一页时列关系丢失；页脚或正文中的数字被吸进当前行。切片时不要只按固定高度裁图，应优先围绕表格边界裁剪，并为跨页表格保留上一页表头和下一页第一行。

可以把一次请求的输入元数据固定成 document_id、page、slice_id 和 table_id。同一张表的多个切片使用同一个 table_id，这样后续合并行时不会把两个表的第 1 行混在一起。

• 单页表格：保留表头、表尾和页码标记。
• 跨页表格：复制表头上下文，给续表行分配连续行号。
• 合并单元格：要求模型返回合并范围，不把空白单元格自动当成新值。

字段约束要覆盖类型、关系和业务边界

结构化输出只能保证结果符合 JSON 形状，不能保证模型读对了表格。收到结果后，至少做三层检查。

以付款计划为例，ratio 合计不等于 1 不一定是模型错了，合同可能还有“尾款按实际结算”的开放项。规则应该把异常分成“可自动确认”和“需人工判断”，而不是见到不等于 1 就强行归一化。

错误处理：不要用空字段掩盖低置信结果

表格被扫描阴影遮住、页码缺失或列线不清时，模型可能返回一个语法正确但证据为空的对象。接口应区分输入问题、模型解析问题和业务校验问题，并在结果中保留状态。

{
  "status": "needs_review",
  "errors": [
    {"field": "amount", "code": "evidence_missing", "row_no": 2},
    {"field": "ratio", "code": "sum_out_of_range", "row_no": null}
  ]
}

不要把失败字段改成空字符串后继续进入合同系统。空值会让下游误以为“合同没有填写”，而不是“这次识别没有拿准”。对于同一切片的再次请求，要记录请求版本和输入摘要，避免人工复核时无法解释两次结果为什么不同。

人工复核应该围绕证据，而不是重新抄一遍

复核页面最有用的布局是左侧显示原始切片，右侧显示字段结果，中间突出异常字段。审阅者只需要确认三个问题：值是否来自正确的列，单位是否完整，行号和付款节点是否对应。确认后记录 reviewer、reviewed_at 和修改原因，后续才能统计是切片问题还是字段约束问题。

1. 先按 evidence.page 打开原始页面。
2. 再按 slice_id 定位表格区域，检查表头和相邻行。
3. 最后只修改有证据支持的字段，并保留模型原值。

验收指标要分开看，准确率不是一个数字

一套小规模回归集可以包含不同表格结构：单页表、跨页表、合并单元格、带单位金额和缺失字段。验收时分别统计字段值正确率、行列关系正确率、证据可回指率和异常拦截率。这样才能知道问题究竟来自视觉理解，还是来自后处理。

对生产数据，建议保留一批脱敏样本作为固定回归集；每次更换模型、提示词或切片策略都跑一遍。指标下降时先比较失败样本，不要只看平均分。平均分上升但跨页表全错，仍然不能上线。

常见问题

结构化输出能保证合同表格一定准确吗？

不能。它主要约束字段形状，版面理解、单位识别和行列对应仍需原页证据与规则校验。

为什么不直接把整份 PDF 交给模型？

整份输入适合先做文档级定位，但表格验收仍建议围绕页码和表格边界切片，否则跨页表头和相邻数字更容易串列。

金额识别错了应该自动重试还是人工修改？

先看证据是否存在。证据缺失或单位不明时进入人工复核；只有确认切片质量或输入格式问题时，才带着相同的记录信息重试。

把可回指证据作为放行条件

合同表格抽取的最小可靠闭环是：保留版面上下文，输出受约束字段，独立校验类型和关系，为每个值绑定原页证据，异常进入人工复核。模型换了、提示词换了，验收接口仍然可以用同一套字段和回归样本判断结果是否可用。