提出了一种无需训练、基于图的框架，用于推断复杂历史手稿（如 Glossa Ordinaria 布局）中的阅读顺序，其中文本流在空间上交错。该方法从 OCR 行构建有向候选转换图，并使用最大遗憾推理规则恢复全局顺序，以避免贪婪选择失败。

  • 边的评分由因果语言模型条件似然和 BERT 下一句预测 (NSP) 的加权集成组成。
  • 在合成 Glossa Ordinaria 布局上，该方法平均恢复了 95% 的真实后继边，而递归 XY-cut 仅为 50%。
  • 在 OmniDocBench 的 140 页多列子集上，它实现了 88% 的宏观边准确率，而 XY-cut 为 75%，LayoutReader 为 25%。
  • 该方法展示了镜像不变性，在页面反射下变化小于 1 个百分点，而 LayoutReader-T 的变化高达 8 个百分点。

该框架解决了数字化复杂布局的瓶颈问题，其中 XY-cut 等规范方法会遭受级联故障，而 LayoutReader 基线由于粒度不匹配而迁移效果不佳。