博思软件推出面向财税凭证智能处理专业识别引擎——坤元票证识别模型

凭证识别是财务报销等业务的经济事项判断的重要手段，因为各类经济业务均依托凭证来证明，精准的票据识别对医院报销等业务的智能化有着关键的影响。此前，我们曾采用 Kimi 等通用大模型开展票证识别与要素抽取，但随着场景深入，面对财税业务场景中复杂的票种、专业的业务语义和多样的附件组合，逐渐显现出三方面瓶颈：

一是准确率遭遇瓶颈——以医院报销场景为例，原有云端凭证识别方案的分类准确率不及 60%，且长尾凭证场景识别的精度进一步下滑，增加人工复核与纠错成本。

二是模型识别稳定性不足——版式变化、新增票种、跨域迁移时结果波动明显，置信度不可靠，自动审核策略难以稳定复用。

三是响应速度跟不上业务——多页附件和长文档OCR解析、分类、要素抽取多阶段链路耗时较长，识别动辄耗费三五分钟，难以支撑高并发、实时交互需求。

这些问题背后，反映了通用模型能力与财税业务要求之间的差距。应用越深入，对专业数据、定向优化和效果可控的要求就越高。通用模型覆盖广泛任务，但难以针对各业务场景票种体系和业务规则进行专门适配，业务复核积累的错误样本，也难以直接转化为模型能力的持续改进。

为破解这一系列痛点，博思软件正式推出坤元票证识别模型（ky-voucher-ocr）——面向财税凭证智能处理的专业识别引擎，提供分类识别与要素抽取两大核心能力，支持图片、PDF、OFD、DOCX 等报销场景主流格式，对接智慧报销、保险报案等多业务系统及智能体，让每一次识别都更准确、更可控、更高效。

一、从业务需求出发：经济事项的凭证识别需要具备哪些能力？

1.认得出——附件是什么？ 附件横跨费用类凭证、医疗业务凭证、非税票据、国内/海外发票、合同清单及附件类文档等多业务域。传统方案往往只能覆盖高频票种，长尾附件仍需人工兜底。

2.读得懂——关键字段在哪里？ 经济事项凭证识别需要精确抽取金额、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、审核。

3.靠得住——结果能不能直接放行？ 财务场景对准确性与合规性要求极高。模型不仅要“识别得准”，还要能自动区分“高置信可放行”与“疑难需人审”的样本，把有限的人工审核资源用在刀刃上。

此外，医院、政府部门、财政机构等单位的票据格式千差万别，单一场景的识别方案无法适配所有场景，通用模板覆盖不足，定制化繁琐，跨场景迁移成本高、效果难以稳定复用。

坤元票证识别模型围绕上述问题，形成“多层级标签体系 + VLM 多模态理解 + Meta-RSI² 自迭代”的技术闭环。

二、坤元票证识别模型的核心能力

能力一：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、业务语义复杂的问题，建立统一的多层级文档标签体系，覆盖典型财税业务场景。

采用层级化分类，将大类业务语义与细粒度凭证类型拆分，以L1粗粒度+L2细粒度分类降低类别平铺的分类难度，现已累计覆盖近300种凭证类型。

能力二：VLM 超长多模态文档理解，一次请求读懂百页材料

传统票证识别是“单张图片进、单条结果出”的流水线：OCR → 分类 → 规则解析，多阶段链路误差层层累积，跨页信息更是无从关联。

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，核心能力包含：

·单次请求支持百张图片，目标能力约 150 张图片；

·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、不同分辨率以及复杂表格等非结构化输入；

·减少传统 OCR → 分类 → 规则解析多阶段链路中的误差累积。

通过统一多模态上下文，模型可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。

能力三：Meta-RSI² 元系统自迭代进化，模型自己“越用越聪明”

有别于传统识别模型 Badcase 层出不穷，全靠人工排查、修改、验证，优化永远追不上业务变化的运维痛点，坤元模型构建了 Meta-RSI² 自迭代体系，使系统能基于实际任务反馈持续发现问题、优化能力并验证效果而非依赖人工逐轮调整。

Harness 层 RSI：围绕任务执行链路、Prompt、推理策略、结果校验与异常处理自动分析迭代，根据 Badcase 持续优化执行策略；

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、再验证形成数据闭环；

Model 层 RSI：将高质量迭代数据反馈至模型训练环节，形成“系统 → 数据 → 模型”的持续进化闭环。

Meta-RSI² 元系统的技术链路为：

●实测效果：在某保险报案场景上，通过持续自动迭代整体识别准确率由 91.94% 提升至 98.17%，以极少人工干预达到接近专家持续调优的效果。这一自迭代能力，使坤元能够适配各财税业务场景的凭证识别样本及需求，通过轻量迭代快速定制场景专属识别方案。

同时，坤元自迭代体系通过 VLM 评分、模型置信度、易混淆类别识别及高可靠白名单 对结果进行自动审核，在显著降低人工核验成本的同时，风险样本召回能力保持稳定。在 4,475 条样本的对比测试中，人工审核数据由 605 条下降至 440 条，人工审核量减少约 27.3%，约 90.17% 的数据可自动完成审核，而风险样本召回率仍保持在约73%——审核效率与风控质量兼得。

能力四：多场景泛化能力

针对凭证版式持续迭代、长尾类别多、场景差异大的业务痛点，坤元票证识别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、相似凭证，模型可复用视觉与语义能力，以Zero-shot零样本方式直接识别，无需逐类标注与规则开发；针对差异较大的新业务场景，依托少量样本注入与自动迭代快速适配，降低模板维护与冷启动成本。该能力推动识别模式从“逐类规则开发”升级为“通用能力复用+少量样本适配”，大幅提升新场景上线效率。

在约 300 条跨类别样本评测中，坤元模型整体识别准确率达到 91% 以上，在多场景、长尾分布下具备稳定泛化能力与工程落地价值。

三、模型能力评测结果对比

1.更准-高优类别精准突破，易错长尾同步收敛

●票证分类（标准数据集）：坤元模型ky-1.0-voucher-ocr分类准确率达 92.36%，较kimi-k3（86.32%）提升 6 个百分点。

●Badcase 准确率：badcase评测集包括高频易错类型、易混淆类型及长尾票据类型近200条，坤元模型ky-1.0-voucher-ocr准确率 79.23%，较kimi-k3准确率提升 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：包含标准票证分类数据三次推理全部正确（pass^3）和分类一致性两个指标。pass^3方面，坤元模型ky-1.0-voucher-ocr通过率达87.93%，较kimi-k3提升3.7个百分点。分类一致性方面，坤元模型ky-1.0-voucher-ocr得分为得分0.9659，较kimi-k3提升3.6个百分点。

●指令泛化能力：在候选类别约束下考察模型泛化能力。在20分类候选任务中，坤元模型ky-1.0-voucher-ocr得分0.9，整体指令泛化能力较kimi-k3提升10个百分点。

3.更快-时延分级可控

●图片及小文件（5页以内）：坤元模型分类业务总耗时控制在 6秒以内，较 kimi-k3（约10秒）综合下降近40%，交互体验流畅无感，可充分支撑高频、高并发的实时交互场景。

●中长文档（16–64页）：坤元模型总耗时稳定在 20-30秒，较 kimi-k3（30–55秒）综合下降50%，满足常规业务的时效要求。

●长文档（64页以上）：坤元模型总耗时约 1–2分钟，与 kimi-k3 基本持平，处于业务可接受范围，在超长文档场景下仍保持稳定的服务质量。

云端通用模型受共享资源、公网链路制约，时延波动大、扩容不透明，高峰易排队，且难以满足数据不出域合规要求。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，实现时延分级管控与容量保障，从容应对批量归档、集中审核等瞬时高并发场景，支撑业务规模化落地。

四、从技术领先到客户应用价值

典型应用案例：博思“智能报销”系统

大型公立医院的报销业务中，原始凭证的类型跨度极大——从各类发票、通知邀请、行程信息、合同协议、学术科研材料等种类繁多，不同机构凭证样式差异显著。在未接入坤元模型前，原有传统模型的云端凭证识别分类识别准确率不及60%，单据平均处理时长在分钟级，需要大量人工参与二次判断、补录与复核，报销单填写链路较长，职工体验不佳。

在接入坤元票证识别模型后，基于多家医院的近2000+条业务现场样本进行实测：

·附件分类与要素抽取综合识别准确率达到 93%+ ，核心高频凭证识别准确率达到 95%+ ；

·依托智能审核分流机制，超 90% 的凭证可自动审核放行，解脱审核人员只聚焦疑难与高风险样本

·原始凭证识别与提取的平均处理时长由分钟级降至 6 秒以内（5 页以内文件），大大缩减处理链路，优化业务交互体验，推动大模型能力切实赋能医院职工日常报销业务。

目前坤元票证识别模型已累计接入华西医院、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验证与持续迭代。

面向未来，坤元票证识别模型将支撑更多经济事项的凭证识别，围绕“更准、更稳、更快、更智能”持续迭代：丰富多层级标签体系，增强长尾与跨域泛化能力；依托自迭代能力，适配各财税业务场景的凭证识别样本与需求，通过轻量迭代快速定制场景专属识别方案，助力财税场景从流程数字化迈向审核智能化、运营数智化。

标签：