格式解耦奖励

阅读还是推理？面向文档OCR的格式解耦强化学习

Reading or Reasoning? Format Decoupled Reinforcement Learning for Document OCR

针对文档OCR中格式敏感文本（公式、表格）输出熵高的问题，提出基于熵的数据过滤和格式解耦奖励的强化学习微调方法，可复用于其他需要结构化输出的视觉语言模型任务。