利用视觉大规模语言模型增强表格识别：基准测试与邻居引导的工具链推理器

本研究针对结构化表格识别中存在的研究空白，通过引入视觉大规模语言模型（VLLMs）并采用无训练推理范式来提升表格识别能力。研究发现低质量图像输入是主要瓶颈，并因此提出了邻居引导工具链推理器（NGTR）框架，结合多个轻量级模型进行低级视觉处理，显著提升了表格识别性能。此框架和基准测试有望为表格识别提供新的解决方案。