المترجم البرمجي في حلقة المعالجة: كيف يستخدم نموذج DocEDR من Tencent التصيير لفحص أخطاء OCR وإصلاحها

يعالج نموذج للتعرف الضوئي على الحروف (OCR) نظاماً مطبوعاً من المعادلات الرياضية. وفي أحد الأمثلة التوضيحية الواردة في الورقة البحثية، يظهر حدٌّ كان ينبغي أن يتضمن $\nabla^2$ في مخرجات LaTeX للنموذج مع وجود رمز سفلي ملازم للمؤثر: \vec{\nabla}_{2}؛ إذ هبط الأُسّ ليتحول إلى دليل سفلي. تظل السلسلة النصية مفهومة بوصفها ترميزاً رياضياً، غير أن بنيتها المصيّرة لم تعد تطابق المصدر الأصلي.

والآن لنتأمل تعبيراً آخر: $T \ge 0$. ينقله النموذج كـ T \geq 0، في حين يستخدم المرجع القياسي T \ge 0. تُظهر المقارنة الحرفية بين السلاسل النصية وجود اختلاف، ومع ذلك فإن كلا التعبيرين يُصيَّران بصورة متطابقة تماماً. وبالتالي، فإن التعامل مع هذا الاختلاف كخطأ في التعرف يعاقب النموذج على خطأ غير موجود في الواقع.

تجسّد هذه المعضلة المزدوجة مشكلة جوهرية في تحليل المستندات؛ فمن جهة، قد تُسقط تنبؤات OCR بعض المحتوى، أو تخطئ في التعرف على الرموز، أو تُدرج هياكل وبنى غير مدعومة في الأصل. ومن جهة أخرى، فإن التقييم المعتمد على السلاسل النصية قد يُعاقب مخرجات صحيحة تماماً لمجرد أن الترميز استخدم صيغة بديلة أو تمثيلاً مكافئاً.

يقترح فريق بحثي من WeChat Vision التابع لشركة Tencent طريقة لمعالجة هاتين المشكلتين معاً. ففي ورقتهم البحثية الصادرة في 3 سبتمبر 2026 بعنوان OCR-EDR: Rendering-Aware Diagnosis and Repair for Closed-Loop OCR Improvement، يحدد الفريق إطار عمل للتشخيص والإصلاح ويقدمون DocEDR، وهو نموذج مبني على أساس Qwen3.5-9B. وبناءً على جزء مقتطع من الصورة الأصلية، وتنبؤ OCR القابل للتعديل، والصورة المصيّرة لهذا التنبؤ، يُقيّم DocEDR مدى الاتساق، ويُجري التصحيحات عند الحاجة، كما يمكنه طلب تصيير جديد لفحص النتيجة المُحدَّثة.

جاءت النتائج المعلنة لافتة للغاية؛ فعلى معيار التقييم الجديد الذي أعده الفريق، OCRErrBench، حقق DocEDR دقة تشخيص بلغت 94.78%، متفوقاً على نموذج Qwen3.5-397B-A17B(FP8). وفي التشخيص دون تدريب مسبق (zero-shot) للمعادلات على DOCRcaseBench، رفع النموذج مقياس Case-F1 بمقدار 30.99 نقطة مئوية مقارنة بنموذج DOCR-Inspector-7B. وعلى نحو منفصل، نجح في إصلاح 86.23% من المدخلات الخاطئة في OCRErrBench لتصل إلى تطابق بصري مع مراجعها القياسية. وتكمن الإضافة العلمية هنا في إنشاء حلقة تربط بين اكتشاف الأخطاء، وإجراء تعديلات قابلة للتنفيذ، وإعادة التقييم المعتمد على التصيير.

فخ السلاسل النصية: لماذا يعاقب التقييم القياسي لـ OCR الترميزات السليمة

لفهم الدافع وراء بناء الفريق لنموذج DocEDR، لا بد من النظر في ما تقيسه مقاييس OCR المعتمدة على السلاسل النصية؛ إذ تحسب مسافة التعديل (Edit distance) عدد الفروق بين التنبؤ والمرجع، لكنها لا تحدد بذاتها ما إذا كانت سلسلتان نصيتان مختلفتان تحافظان على المحتوى والبنية المرئية ذاتها.

ويكتسب هذا التمييز أهمية بالغة في الترميز الرياضي. وتقدم الورقة البحثية أمثلة على ذلك، مثل:

• \to مقابل \rightarrow
• {\bf x} مقابل \textbf{x}
• T \ge 0 مقابل T \geq 0

تستخدم هذه الأزواج كوداً مصدرياً مختلفاً لإنتاج نفس المظهر المصيَّر تماماً. كما تعرض الورقة أمثلة صحيحة تشمل تمثيلات الرموز اليونانية، وأحجام المحددات (delimiters)، والاختلافات الطفيفة المقبولة في التنضيد الطباعي. ويجب فحص مثل هذه التباينات ضمن سياقها؛ إذ إن أوامر المحددات المختلفة، على سبيل المثال، ليست قابلة للتبادل دوماً وبشكل مطلق.

يُطلق الباحثون على التمثيلات الصحيحة غير المتطابقة اسم "الإيجابيات المكافئة بالتصيير" (rendering-equivalent positives). وفي المجموعة الفرعية لتشخيص الحدود المبينة في الجدول 3، أدت عتبة مسافة التعديل المعيارية (normalized edit distance) البالغة 0.1 إلى رفض 57.14% من تنبؤات النصوص المكافئة بالتصيير. كما رفض نموذج DOCR-Inspector-7B ما نسبته 75.81% من الحالات الإيجابية المكافئة التي جرى تقييمها في ذلك الجدول، علماً بأنه حافظ على بروتوكوله الرسمي المعتمد على صورة واحدة؛ ولا تثبت هذه المقارنة أنه يفحص السلاسل النصية المجردة فقط.

كما تبرز المشكلة العكسية أيضاً؛ إذ يمكن لتغيير طفيف في الكود المصدري أن يغير علاقة بصرية جوهرية. فتغيير \nabla^2 إلى \nabla_2 لا يتطلب سوى استبدال محرف واحد، ولكنه ينقل الرمز من كونه أُسّاً علوياً إلى دليل سفلي. وبالتالي، يمكن لمسافة تعديل إجمالية منخفضة أن تترافق مع خطأ بنيوي حقيقي وجسيم.

تختبر الورقة كلا جانبي هذا الحد الفاصل؛ إذ إن معيار المعادلات المستند إلى المرجع (CDM أقل من 0.9) يرفض 2.94% فقط من المعادلات المكافئة في المجموعة الفرعية المختارة، لكنه يغفل جميع الأخطاء المحلية المقيمة ضمن نطاقه القابل للتطبيق. وبالمثل، يغفل معيار مسافة التعديل النصية الأخطاء المحلية ضمن نطاقه. وتمثل هذه الأرقام نتائج للحالات والعتبات المحددة، وليست دليلاً على عدم جدوى أي من المقياسين على نحو مطلق.

كما يواجه التصحيح البعدي المعتمد على النصوص وحدها قصوراً مشابهاً؛ إذ يمكنه استغلال الأنماط اللغوية لتحسين تسلسل OCR، لكنه يعجز عن التحقق المباشر مما إذا كانت المخرجات المنقحة تستعيد بالفعل المحتوى المرئي للصورة المصدر. وهنا يضيف إطار OCR-EDR تلك الأدلة البصرية إلى عملية التصحيح.

البنية المعمارية الأساسية: تحويل تصحيح المستندات إلى آلة حالات

يُعيد DocEDR صياغة تصحيح OCR بوصفه آلة حالات وكيلية (agentic state machine). فبدلاً من التعامل مع التنبؤ الأولي كمخرج نهائي ثابت، يحتفظ النموذج بمرشح قابل للتعديل ويُقيّم بشكل مشترك ثلاثة مدخلات:

1. الصورة المصدر ($I$): الجزء البصري المقتطع من المستند الأصلي، والذي يوفر الدليل الخارجي.
2. تنبؤ OCR الحالي ($p$): السلسلة الرمزية القابلة للتعديل، مثل ترميز المعادلات أو النص.
3. الصورة المصيّرة ($R(p)$): النتيجة البصرية الناتجة عن تصيير التنبؤ الحالي.

يوظف النموذج كلاً من المعلومات الرمزية والبصرية؛ حيث يتيح تسلسل OCR تحديد المواضع والتعديل بدقة، بينما يكشف تصييره عن التبعات البصرية لذلك التسلسل. وإذا كان هناك أمر بديل يحافظ على محتوى المصدر وبنيته، فإن السلوك المستهدف هو قبول التنبؤ والتوقف.

وعندما لا يتسق التنبؤ مع المصدر، يستطيع النموذج تشخيصه وإصلاحه. ويحدد المؤلفون خمس فئات ذرية متنافية للأخطاء:

• مخرجات غير صالحة (شاملة): مخرجات فارغة أو مشوهة أو غير قابلة للتحليل أو غير قابلة للتصيير بالتمثيل المطلوب.
• عدم تطابق شامل (شامل): تنبؤات غير متسقة مع المصدر ككل، مثل تضمين محتوى من منطقة خاطئة.
• الاكتمال (محلي): كلمات مسقطة، أو حدود رياضية محذوفة، أو محتوى زائد مكرر.
• المحتوى (محلي): محارف أو رموز فردية غير صحيحة، مثل الخلط بين الحرف اللاتيني $k$ والرمز اليوناني $\kappa$.
• البنية (محلي): ترتيب قراءة أو تجميع أو تسلسل هرمي غير صحيح، أو علاقات مكانية وترميزية خاطئة، بما في ذلك تسطيح الأسس العلوية والكسور المكسورة.

يُسند إلى كل خطأ ذري فئة واحدة، على الرغم من أن التنبؤ الواحد قد يحتوي على عدة أخطاء. وتستخدم الإخفاقات الشاملة عملية global_rewrite عندما يكون التعديل المحلي غير مناسب، بينما تستخدم الإصلاحات المحلية عمليات insert، أو delete، أو replace.

والأمر الحاسم هنا هو أن DocEDR لا يقوم بإعادة التصيير تلقائياً بعد كل تعديل؛ إذ يضم فضاء أفعال السياسة لديه: inspect، وdiagnose_scope، وlocalize، وpatch، وglobal_patch، وrequest_render، وstop. وتتحكم هذه الأفعال في سير العملية، وهي متميزة عن العمليات النصية المطبقة مباشرة على تسلسل OCR.

بعد إجراء أي تعديل، يُصنَّف التصيير السابق على أنه قديم (stale). ويمكن للنموذج التوقف دون إجراء فحص بصري آخر، أو استدعاء request_render لفحص المرشح المحدث. كما أن لإخفاق التصيير حالة صريحة خاصة به، منفصلة تماماً عن حالة الصورة القديمة. وبذلك يسجل إطار العمل ما إذا كانت التغذية الراجعة البصرية حديثة، أو قديمة، أو غير متاحة بسبب تعذر التصيير.

في أعماق DocEDR: تدريب نموذج بـ 9 مليارات معامل ليتفوق على نموذج أساس أكبر

تمت تهيئة نموذج DocEDR انطلاقاً من Qwen3.5-9B. ودربه المؤلفون عبر الضبط الدقيق الخاضع للإشراف التشخيصي، ومنهج إصلاح مكوّن من ثلاث مراحل، والتعلم المعزز. وتربط هذه المراحل تدريجياً بين تقييم الصلاحية وبين التعديل والتحكم في حلقة الإصلاح.

Phase 1: Verifier Supervised Fine-Tuning

يتعلم النموذج أولاً التحقق من الاتساق البصري. فبناءً على الصورة المصدر، ونص OCR، والصورة المصيّرة، يُدرَّب النموذج لدورة تدريبية واحدة للتنبؤ بالصلاحية وبمعلومات منظمة عن الأخطاء. وفيما يخص التنبؤات الخاطئة، تتضمن تلك المعلومات فئات الأخطاء، ومواقعها، والتصحيحات المقترحة.

بعد ذلك، تنقسم نقطة الفحص التشخيصية إلى مسارين: يتم تجميد نسخة واحدة لتعمل كنموذج تحقق للمكافأة (reward Verifier)، في حين تواصل النسخة الأخرى التدريب كسياسة إصلاح تفاعلية. ويضمن ذلك الحفاظ على إشارة تشخيصية مستقرة أثناء اكتساب نموذج الإصلاح لسلوكيات جديدة.

Phase 2: Curriculum Repair SFT

بعد ذلك، يخضع الوكيل لثلاث مراحل متتالية من الضبط الدقيق الخاضع للإشراف:

• المرحلة 1 (الإصلاح في جولة واحدة): يتعلم النموذج التصحيح المباشر دون تصيير أثناء عملية الإصلاح.
• المرحلة 2 (اختيار الأدوات): يتعلم النموذج الاختيار بين طلب تصيير محدث أو التوقف، بدلاً من التعامل مع كل تصحيح وكأنه يتطلب استدعاء أداة.
• المرحلة 3 (التعافي البصري متعدد الجولات): يتلقى النموذج تغذية راجعة حقيقية للتصيير بعد التعديل؛ ويتعلم بذلك التعرف على الأخطاء المتبقية، والتعافي من التعديلات غير المجدية، ومواصلة الإصلاح عند الحاجة.

استمرت المرحلة 1 لدورة تدريبية واحدة، بينما استمرت كل من المرحلتين 2 و3 لدورتين تدريبيتين. وظلت بيانات معيار التقييم معزولة تماماً عن مراحل التدريب هذه على مستوى المستندات المصدرية.

Phase 3: Reinforcement Learning via GRPO

تم تحسين السياسة النهائية باستخدام خوارزمية Group Relative Policy Optimization (GRPO) على مدار 400 خطوة تحديث. ولكل مدخل، يقوم التدريب بأخذ عينات لمجموعة من ثمانية مسارات ويقيّمها باستخدام مكافأة مشروطة بالتسمية التوضيحية.

تفصل دالة المكافأة بين المدخلات الصحيحة والمدخلات الخاطئة:

• بالنسبة للمدخلات الصحيحة ($y_0 = \text{good}$): يُكافأ النموذج على الإبقاء على التنبؤ الأولي المعياري، بينما تفرض عقوبات على التغييرات غير الضرورية، والجولات الإضافية، واستدعاءات التصيير.
• بالنسبة للمدخلات الخاطئة ($y_0 = \text{bad}$): تجمع الجودة النهائية بين تشابه التعديل المعياري، والتطابق التام مع المرجع، وحكم الاتساق البصري الصادر عن نموذج التحقق المجمد، وصلاحية تنسيق المخرجات؛ كما يكافئ حد العملية التعافي ويعاقب التراجع بين الحالات المرشحة التي تم تقييمها.

كما تثبط عملية التحسين التعديلات المتكررة، والإفراط في التصيير، واستنزاف ميزانية التفاعل مع الخروج بنتيجة نهائية خاطئة. وتظل الحالات الإيجابية المكافئة ضمن فرع الحفظ، وبالتالي لا يتطلب التدريب إعادة كتابتها في صيغة قياسية مفضلة.

وقد أثمرت هذه المرحلة عن مكاسب ملموسة في الكفاءة؛ فبين المرحلة 3 من SFT والوصول إلى GRPO النهائي، انخفض متوسط طول المسار عبر جميع الحالات من 2.594 جولة إلى 2.313 جولة، أي بنسبة 10.8%. كما انخفض متوسط استدعاءات التصيير في الحالات الخاطئة من 2.104 إلى 1.598، أي بنسبة 24.0%، مع تحسن درجات الإصلاح والحفظ في الوقت ذاته.

الحقيقة الأساسية تحت المجهر: بناء معيار OCRErrBench

لتقييم إطار العمل، أنشأ الباحثون معيار OCRErrBench متمحوراً حول مهام الحفظ، والتشخيص، وتحديد المواضع، والإصلاح. ويختبر تضمينه لتمثيلات بديلة صحيحة بشكل مباشر حداً فاصلاً غالباً ما تحجبه المطابقة الصارمة للنصوص المصدرية.

يحتوي المعيار على 900 تنبؤ حقيقي لـ OCR جُمعت من نماذج DeepSeek-OCR، وPaddleOCR-VL-1.5، وQwen3.5-27B على مجموعتي OmniDocBench وPureDocBench، وهو مقسم بالتساوي بين قصاصات نصية وقصاصات معادلات رياضية بواقع 450 حالة لكل منهما.

تضم المجموعة 457 مدخلاً صحيحاً و443 مدخلاً خاطئاً. ومن بين الحالات الصحيحة، يطابق 141 مدخلاً المرجع بعد المعايرة، في حين يمثل 316 مدخلاً إيجابيات مكافئة بالتصيير. وقد استبعد المؤلفون المواد المشتقة من معياري المصدر من مراحل تدريب SFT التشخيصي، وSFT للإصلاح، وGRPO.

تجمع عملية التوصيف بين مراجعة نماذج مستقلة والرجوع إلى خبراء بشريين كخيار احتياطي؛ حيث تُقيّم نماذج GPT-5.6 Sol، وClaude Opus 4.8، وGemini 3.1 Pro بشكل مستقل القصاصة المصدر، والتنبؤ، والتغذية الراجعة للتصيير. ويتطلب القبول التلقائي إجماعاً تاماً في التوصيف والتقاءً على تصحيح تم التحقق منه بالتصيير. ويمثل هذا شرطاً للاتفاق، وليس ضماناً لخلو التسميات من الأخطاء.

أما الحالات الصعبة أو غير المتسقة، فتُحال إلى ثلاثة خبراء متخصصين مستقلين. وتُقبل التوصيفات التي تحظى بإجماعهم مباشرة؛ في حين لا يُحتفظ بالخلافات المتبقية إلا عندما يتوافق الإصلاح الذي تم التوفيق بشأنه مع أنواع الأخطاء المحددة ويستعيد المرجع القياسي.

تخضع جميع الإيجابيات المكافئة بالتصيير لتدقيق يدوي إضافي. وتستخدم فحوصات التكافؤ بيئة محلية مجمدة مبنية على Playwright/Chromium مع مكتبة KaTeX 0.16.11، وتحليل Markdown، وإعدادات عرض ثابتة، ومجموعة خطوط محددة تتضمن خطوط Fandol. ولا يُقبل إخفاق التصيير أبداً كدليل على التكافؤ.

بطاقة النتائج: مكاسب حقيقية عبر أربعة محركات OCR خارجية

في التشخيص الشامل من البداية إلى النهاية عبر حالات OCRErrBench البالغ عددها 900 حالة، حقق DocEDR دقة بنسبة 94.78%، ودقة متوازنة بنسبة 94.75%، ومقياس Bad-F1 بنسبة 94.59%. في المقابل، سجل نموذج Qwen3.5-9B الأساسي دقة 81.44%، بينما حقق DOCR-Inspector-7B نسبة 78.78%. ووصل Qwen3.5-397B-A17B(FP8) إلى 87.78%، متأخراً بسبع نقاط مئوية عن DocEDR.

وفي تحديد المواضع، سجل DocEDR مقياس micro-F1 على مستوى الأحداث بنسبة 92.72% على النطاقات النصية و73.26% على نطاقات رموز المعادلات. وتعتمد هذه النتائج على مطابقة الأخطاء بنمط واحد لواحد مع هامش تسامح حدودي قدره ثلاثة محارف أو رموز معيارية. في المقابل، سجل كل من GLM-4.6V-Flash وInternVL3.5-8B نسبة 0.61% و1.23% على التوالي في تحديد مواضع أخطاء المعادلات بموجب بروتوكول المعيار.

وقد تم تقييم الإصلاح والحفظ بشكل منفصل:

• الإصلاح البصري (VisFix): حقق DocEDR نسبة 86.23% على المدخلات الخاطئة البالغ عددها 443 مدخلاً. ويتطلب ذلك تطابقاً على مستوى البكسل بين الإصلاح المصيَّر والهدف المصيَّر باستخدام المترجم البرمجي المجمد نفسه.
• الإصلاح النصي التام (Exact String Fix): حقق على نفس تلك المدخلات الخاطئة نسبة 82.17% في التطابق المعياري مع الهدف.
• معدل الحفظ (Preservation Rate): حقق نسبة 93.44% على المدخلات الصحيحة البالغ عددها 457 مدخلاً.

حقق نموذج Qwen3.5-397B المباشر في خطوة واحدة نسبة 72.23% في VisFix و26.19% في ExactFix. في حين وصل DOCR-Inspector-7B، عند توجيهه لتصحيح أحادي التمرير بواسطة Qwen3.5-9B، إلى 65.46% في VisFix. ولا تستخدم هذه النماذج المرجعية إعادة التصيير اللحظي. كما تفوق النموذج المباشر الأكبر في درجة الحفظ على DocEDR: 94.75% مقابل 93.44%.

اختُبر التشخيص دون تدريب مسبق على 637 حالة متوافقة من DOCRcaseBench، شملت 445 حالة نصية و192 حالة معادلات. وارتفع مقياس Case-F1 للمعادلات من 56.69% لنموذج DOCR-Inspector-7B إلى 87.68% لـ DocEDR، بزيادة قدرها 30.99 نقطة مئوية. كما ذكرت الورقة تصنيف 61 معادلة إضافية بشكل صحيح على نحو منفصل، وهي نتائج تشخيصية وليست معدلاً لإصلاح المعادلات.

وأخيراً، اختبر الباحثون التنقيح على 12,683 معادلة لكل محلل من المجموعتين الفرعيتين للتعبيرات المطبوعة البسيطة والمعقدة في UniMER-Test؛ حيث يحافظ DocEDR على التنبؤات التي يعتبرها صحيحة ويصلح تلك التي يراها خاطئة. وتنطبق المكاسب المسجلة على كل قسم ثابت حدده النموذج كـ Bad:

• MinerU2.5: حدد 32.50% منها كـ Bad؛ وحسّن مطابقة اكتشاف المحارف (CDM) لذلك القسم بمقدار 2.93 نقطة مئوية.
• PaddleOCR-VL-1.5: حدد 22.19% منها كـ Bad؛ وحسّن CDM لذلك القسم بمقدار 2.24 نقطة.
• InternVL3.5-8B: حدد 25.92% منها كـ Bad؛ وحسّن CDM لذلك القسم بمقدار 3.72 نقطة.
• GLM-4.6V-Flash: حدد 37.18% منها كـ Bad؛ وحسّن CDM لذلك القسم بمقدار 4.62 نقطة.

تراوحت درجات CDM الإجمالية للمحللات قبل الإصلاح بين 65.59% و94.12%. وقد تحسن كل قسم حُدد كـ Bad. ومع ذلك، فإن حكم DocEDR بأن التنبؤ سليم (Good) لا يعني بالضرورة صحته وفق المرجع القياسي؛ إذ بلغت درجات CDM لأقسام Good قبل الإصلاح 66.97% لنموذج InternVL3.5-8B و78.65% لنموذج GLM-4.6V-Flash.

لماذا يهم هذا هندسة المستندات وخطوط معالجة النماذج اللغوية الكبيرة

بالنسبة لهندسة المستندات، فإن أهم درس عملي تقدمه هذه الورقة هو أن التدريب المتخصص على التشخيص والإصلاح يمكن أن يتفوق على التوجيه المباشر لنماذج أضخم بكثير في المهام التي خضعت للتقييم. يدعم ذلك جدوى استكشاف مرحلة تصحيح مخصصة، لكنه لا يثبت أن تقنيات OCR أحادية التمرير قد بلغت سقف قدراتها التوسعية، أو أن كل خط معالجة مستندات بحاجة حتمية إلى حلقة تنفيذ.

ثانياً، تظل الصورة المصدر مفيدة حتى بعد التعرف؛ إذ يحتفظ بها OCR-EDR كدليل طوال عملية التصحيح، إلى جانب النص القابل للتعديل وتصييره البصري. ويتيح ذلك للسياسة فحص ما إذا كان التعديل المقترح يستعيد بالفعل المحتوى والبنية المرئية للصورة المصدر. ويكتسب هذا التحقق البصري عبر التصيير أهمية خاصة في لغات مثل العربية، حيث تزيد طبيعتها المتصلة من اليمين لليسار، وتعدد أشكال محارفها حسب موقعها، وتشكيلها الاختياري، وتشابكاتها الخطية المعقدة (ligatures) من صعوبة التعرف الضوئي مقارنة بالخطوط اللاتينية. ومع ذلك، لم تقيّم الورقة تطبيقات المصب مثل الاسترجاع، أو التوليد المعزز بالاسترجاع (RAG)، أو الإجابة عن الأسئلة الرياضية، مما يبقي التحسينات في تلك الأنظمة قيد الاختبار المستقبلي.

ثالثاً، يستفيد التقييم من التمييز بين الاختلافات في التمثيل وبين أخطاء التعرف الفعلية؛ حيث يشتمل OCRErrBench صراحةً على الحالات الإيجابية المطابقة تماماً والإيجابيات المكافئة بالتصيير جنباً إلى جنب مع الأخطاء الحقيقية. وتُظهر نتائجه بوضوح سبب حاجة أي معيار تقييم إلى اختبار الحفظ تماماً كما يختبر الإصلاح: فالنموذج الذي يصلح العديد من التنبؤات المعيبة قد يُجري تعديلات غير ضرورية على مخرجات صائبة في الأصل.

وتُبرز دراسات الاستئصال هذا الدرس بدقة أكبر؛ ففي تجربة مقارنة متكافئة، أدى التكرار بدون تصيير محدث إلى خفض نسبة ExactFix من 72.46% إلى 66.82% مقارنة بوضع الخطوة الواحدة دون تغذية راجعة بعد التعديل. في المقابل، أدى الجمع بين التكرار والتصيير المحدث إلى رفع ExactFix إلى 82.17% وVisFix إلى 86.23%. ولا تكفي الجولات الإضافية وحدها لتفسير هذه المكاسب، بل يحتاج النموذج إلى أدلة بصرية مجدية حول تعديلاته.

وأخيراً، توضح تجربة المحللات الخارجية نمطاً عملياً للتكامل: أخذ تنبؤ OCR حالي، وتشخيصه، ثم حفظه أو إصلاحه، وقياس النتيجة. ويعد توجيه مناطق معينة من المستند إلى مثل هذه المرحلة خياراً متاحاً للتطبيق العملي، مع الإشارة إلى أن الورقة لم تختبر التوجيه المعتمد على الثقة ولم تحدد تكلفته التشغيلية.

المفاضلات الهندسية والمشكلات الصعبة غير المحلولة

على الرغم من النتائج المقنعة، إلا أن التجارب المذكورة تترك عدداً من التساؤلات مفتوحة بشأن التطبيق العملي.

أولها زمن الاستجابة؛ إذ يبلغ متوسط جولات التفاعل في DocEDR نحو 2.313 جولة عبر جميع حالات OCRErrBench، و1.598 استدعاء تصيير للمدخلات الخاطئة. وتصف هذه الأرقام كفاءة التفاعل لا الوقت الفعلي المستغرق في المعالجة. كما لم تذكر الورقة زمن الانتقال الفعلي (wall-clock latency)، أو معدل الإنتاجية، أو تكلفة التشغيل، مما لا يتيح الجزم بما إذا كان النظام ملائماً للمسح التفاعلي الفوري أو للمعالجة الدُفعية واسعة النطاق.

وثانيها بيئة التصيير؛ إذ تعتمد فحوصات التكافؤ ومعايير الإصلاح البصري في المعيار على إعدادات محددة ومجمدة للمترجم البرمجي والخطوط، وهو ما يجعل المقارنات قابلة للتكرار بدقة ضمن البيئة المختارة، لكنه لا يثبت قدرة النظام على تغطية أي ترميزات أو خطوط أو تنسيقات مستندات عشوائية. ورغم أن إطار العمل يمثل إخفاقات التصيير بصورة صريحة، إلا أن الورقة لا تقدم حلاً شاملاً للتركيبات الصحيحة غير المدعومة.

كذلك يظل تحديد مواضع أخطاء المعادلات أضعف من تحديد مواضع أخطاء النصوص وفق المقاييس الخاصة بكل منهما: 73.26% مقابل 92.72% في مقياس F1. وتضيف دراسة استئصال المدخلات توضيحاً مهماً هنا؛ حيث تحقق الثنائية المكونة من الصورة المصدر ونص OCR نتائج أعلى في تحديد المواضع مقارنة بالثلاثية الكاملة، في حين يؤدي تضمين التصيير إلى أفضل النتائج في تحديد الصلاحية ونوع الخطأ. فالتصيير مفيد، لكنه لا يحسن كل قدرة تم قياسها.

تتطلب نتائج الإيجابيات المكافئة توخياً خاصاً للحذر؛ إذ يشير الجدول 3 إلى معدل إيجابيات كاذبة بنسبة 25.81% لنموذج DocEDR في تحليل تشخيص الحدود، مقارنة بـ 75.81% لنموذج DOCR-Inspector-7B. وعلى نحو منفصل، يذكر الجدول E1 نسبة 4.75% كإيجابيات كاذبة للحالات المكافئة للنموذج ذي المدخلات الكاملة. ولا توفق الورقة بوضوح بين هذين الرقمين، لذا لا ينبغي اعتبار 25.81% معدلاً عاماً لجميع التباينات البرمجية الصحيحة. علاوة على ذلك، فإن الخطأ التشخيصي الإيجابي الكاذب لا يعني بذاته حتمية وقوع تعديل فعلي.

كما أن الحفظ لا يزال غير مثالي، كما يتضح من نتيجة 93.44% على المدخلات الصحيحة. فضلاً عن ذلك، لا يخضع كل تصحيح لفحص بصري جديد؛ إذ يُعد طلب تصيير إضافي قراراً تتخذه السياسة، وقد يقرر النموذج التوقف بعد التعديل مباشرة. وتثبت درجات الإصلاح المسجلة كفاءة الأداء وفق إجراءات التقييم المعتمدة في المعيار، ولا تمثل ضماناً لكل مخرج.

ورغم تلك التحفظات، يمثل OCR-EDR تقدماً ملموساً؛ إذ يربط بين التشخيص المستند إلى المصدر، والتصحيح القابل للتنفيذ، وإعادة التقييم البصري الاختياري ضمن سياسة موحدة—مع قياس دقيق للإصلاحات الناجحة وللحفاظ على التنبؤات الصحيحة في آنٍ واحد.