痛点：通用大模型在财税凭证识别中的局限
凭证识别是财务报销等业务中经济事项判断的核心环节，精准的票据识别对医院报销等业务的智能化至关重要。此前，行业多采用Kimi等通用大模型进行票证识别与要素抽取，但在深入财税业务场景后，面对复杂的票种、专业的业务语义及多样的附件组合，逐渐暴露出三大瓶颈：
1. 准确率遭遇瓶颈：以医院报销为例，原有云端方案分类准确率不足60%，长尾凭证识别精度更低，导致人工复核与纠错成本高企。
2. 模型稳定性不足：面对版式变化、新增票种或跨域迁移时，识别结果波动明显，置信度不可靠，难以支撑稳定的自动审核策略。
3. 响应速度滞后：多页附件和长文档的OCR解析、分类及要素抽取链路耗时较长，单次识别动辄数分钟，无法满足高并发、实时交互的业务需求。
上述问题反映了通用模型能力与财税专业要求之间的差距。为此，博思软件正式推出坤元票证识别模型（ky-voucher-ocr）。该模型面向财税凭证智能处理，提供分类识别与要素抽取两大核心能力，支持图片、PDF、OFD、DOCX等主流格式，旨在让每一次识别更准确、可控且高效。
一、业务需求：经济事项凭证识别的核心能力
针对医院、政府及财政机构票据格式千差万别的现状，单一的识别方案难以适配所有场景。坤元票证识别模型围绕以下三大核心需求构建技术闭环：
1. 认得出——明确附件类型：覆盖费用类凭证、医疗业务凭证、非税票据、国内外发票、合同清单及各类附件文档，解决传统方案仅能覆盖高频票种、长尾附件需人工兜底的问题。
2. 读得懂——精准抽取字段：精确提取金额、日期、交易明细等结构化字段，直接对接业务系统完成自动验真、填单及审核。
3. 靠得住——结果可信可控：在高准确性与合规性要求下，模型能自动区分“高置信可放行”与“疑难需人审”样本，优化人工审核资源配置。
基于此，坤元模型形成了“多层级标签体系 + VLM多模态理解 + Meta-RSI²自迭代”的技术架构。
二、坤元票证识别模型的核心能力
01 构建财税领域多层级标签体系，覆盖近300类凭证类型
针对财税文档种类多、版式差异大、业务语义复杂的特点，建立统一的多层级文档标签体系。采用层级化分类，将大类业务语义与细粒度凭证类型拆分，通过L1粗粒度+L2细粒度分类降低难度，目前已累计覆盖近300种凭证类型。
02 VLM超长多模态文档理解，一次请求读懂百页材料
传统识别采用“OCR→分类→规则解析”的多阶段流水线，误差层层累积且无法关联跨页信息。坤元基于VLM（视觉语言模型）构建统一多模态理解能力，实现代际跨越：
- 单次请求支持处理约15张图片，目标能力提升至百张级别；
- 基于视觉信息和文本语义联合完成文档分类、字段抽取及跨页关联；
- 支持不同版式、分辨率及复杂表格等非结构化输入；
- 减少多阶段链路中的误差累积，利用跨页信息联合判断，更适配复杂财税材料与长文档任务。
03 Meta-RSI²元系统自迭代进化，模型“越用越聪明”
为解决传统模型Badcase依赖人工排查、优化滞后的痛点，坤元模型构建了Meta-RSI²自迭代体系，实现基于实际任务反馈的持续优化：
- Harness层RSI：自动分析任务执行链路、Prompt、推理策略及结果校验，根据Badcase优化执行策略；
- Data层RSI：自动沉淀线上Badcase、困难样本与边界样本，通过筛选、纠错、补充形成数据闭环；
- Model层RSI：将高质量迭代数据反馈至训练环节，形成“系统→数据→模型”的持续进化闭环。
实测效果：在某保险报案场景中，通过持续自动迭代，整体识别准确率由91.94%提升至98.17%。在4475条样本对比测试中，人工审核量由605条降至440条，减少约27.3%，约90.17%的数据可自动完成审核，同时风险样本召回率保持在约73%，实现了审核效率与风控质量的双赢。
04 多场景泛化能力，降低冷启动成本
针对凭证版式迭代快、长尾类别多的痛点，坤元模型具备优秀的长尾文档泛化与跨类别迁移能力。面对新增版式或相似凭证，模型可通过Zero-shot零样本方式直接识别；针对差异较大的新场景，依托少量样本注入与自动迭代快速适配。在约300条跨类别样本评测中，整体识别准确率达到91%以上，大幅提升了新场景上线效率。
三、模型能力评测结果对比
相较于通用模型，坤元票证识别模型在准确性、稳定性和速度上均有显著优势：
1. 更准：高优类别精准突破，易错长尾同步收敛
- 票证分类：在标准数据集中，坤元模型分类准确率达92.36%，较Kimi-k3（86.32%）提升6个百分点。
- Badcase准确率：在近200条包含高频易错、易混淆及长尾票据的评测集中，坤元模型准确率为79.23%，较Kimi-k3提升3.2个百分点。
2. 更稳：复杂版式稳健适配，跨域新类泛化可靠
- 输出稳定性：坤元模型pass^3（三次推理全部正确）通过率达87.93%，较Kimi-k3提升3.7个百分点；分类一致性得分0.9659，提升3.6个百分点。
- 指令泛化能力：在20分类候选任务中，坤元模型得分0.9，较Kimi-k3提升10个百分点。
3. 更快：时延分级可控，支持私有化部署
- 图片及小文件（5页以内）：总耗时控制在6秒以内，较Kimi-k3（约10秒）下降近40%。
- 中长文档（16–64页）：总耗时稳定在20-30秒，较Kimi-k3（30–55秒）下降50%。
- 长文档（64页以上）：总耗时约1–2分钟，与Kimi-k3基本持平，保持服务稳定性。
此外，坤元模型支持私有化部署与弹性扩容，可随业务峰值调度算力，满足数据不出域的合规要求，从容应对批量归档、集中审核等高并发场景。
四、典型案例：从技术领先到客户应用价值
博思“智能报销”系统应用实践
大型公立医院报销业务中，原始凭证类型跨度极大，包括发票、行程单、合同、科研材料等，样式差异显著。接入坤元模型前，传统方案分类准确率不足60%，处理时长分钟级，严重依赖人工二次判断。
接入坤元票证识别模型后，基于多家医院近2000+条现场样本实测，成效显著：
1. 识别更准：附件分类与要素抽取综合准确率达到93%+，核心高频凭证识别准确率达到95%+；
2. 效率更高：依托智能审核分流机制，超90%的凭证可自动审核放行，审核人员仅需聚焦疑难与高风险样本；
3. 速度更快：5页以内文件的平均处理时长由分钟级降至6秒以内，大幅优化职工报销体验。
目前，坤元票证识别模型已接入华西医院、福建省人民医院、重庆中医院等9家机构，赋能智能报销、保险报案等多个智能体上线运营，累计识别凭证文件10万+张，在真实业务流量中得到了充分验证。
未来，坤元票证识别模型将持续围绕“更准、更稳、更快、更智能”迭代，丰富标签体系，增强长尾与跨域泛化能力，助力财税场景从流程数字化迈向审核智能化、运营数智化。
- END -
供稿丨AI研发中心、医疗智慧财务研发中心
编辑丨文化与品牌建设部-李健杰
