ReforMe：結合上下文提示與版面感知傳播的文檔重塑系統
arXiv - Human-Computer InteractionNabin Khanal, Tongyan Wang, Jui-Cheng Chiu, Ningning Nicole Kong, Hannah Yanhua Zong, Yingjie Victor Chen
開發了一種結合版面感知解析、OCR 與 LLM 的互動式系統，透過自然語言指令與錯誤傳播機制提升複雜文檔數位化的效率。
AI 幫你先抓重點
AI 重點 1
從「單純識別」轉向「結構化重塑」的範式轉移
滑鼠懸停看 AI 判斷理由
傳統技術僅專注於文字轉錄，而此研究強調將文檔轉化為可分析的結構化表示，這對於後續進行大規模教育數據分析與知識建構至關重要。
AI 重點 2
結合 LLM 與版面感知（Layout-aware）的混合式修正策略
滑鼠懸停看 AI 判斷理由
單純依賴 LLM 容易缺乏精確度與擴展性，透過版面感知機制將用戶的單點修正「傳播」至相似結構，解決了人工校對在處理大量複雜文檔時的規模化難題。
核心研究發現
- 1
傳統 OCR 在處理手寫內容、不規則表格與異質版面時，難以捕捉書寫細微差異與作者特定的慣例。
- 2
ReforMe 系統支援直接編輯與自然語言指令，並引入版面感知傳播機制，能將用戶修正擴展至結構相似的區域。
- 3
透過 12 名受試者的實驗研究證實，該系統能有效提升錯誤修正效率並減少重複性勞動，使數位化過程更具可控性。
對教育工作者的啟發
對於需要處理大量非結構化學習資料（如學生手寫筆記、歷史文獻或複雜實驗紀錄）的教育研究者而言，此技術提供了將「雜亂資料」轉化為「結構化數據」的高效路徑。實務上，教育科技開發者可參考其「自然語言指令」與「版面感知傳播」的設計邏輯，開發能理解文件結構並允許使用者透過直覺方式進行大規模校正的工具，從而降低數位化學習資源的建置成本。
原始文獻資訊
- 英文標題：
- ReforMe: Re-Shaping Documents with Contextual Prompting and Layout-Aware Propagation
- 作者：
- Nabin Khanal, Tongyan Wang, Jui-Cheng Chiu, Ningning Nicole Kong, Hannah Yanhua Zong, Yingjie Victor Chen
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。