用于高中成绩单自动处理的多智能体AI系统：大规模协作式文档分析

# 用于自动化高中成绩单处理的多智能体AI系统：大规模协同文档分析
来源：https://arxiv.org/html/2606.13916
\(2026\)

###### 摘要.

每年，大学招生办公室都面临一项艰巨挑战：处理数百万份高中成绩单，每份成绩单都有独特的格式、评分系统和布局。这一手动过程造成了操作瓶颈，延迟了录取决定，并消耗了宝贵资源。我们提出了一种变革性解决方案，通过一个多智能体AI系统，其中的专业智能体通过智能协调与通信自动处理多样化的成绩单格式。我们的多智能体架构由三个专业智能体组成——用于格式特定解析的模式识别智能体、用于自然语言理解的语义分析智能体以及用于多模态文档分析的视觉智能体——并由一个编排智能体协调，管理智能体通信和结果整合。我们的关键创新在于使用GPA提取作为协调信号进行基于智能体的质量控制，确保可靠的智能体协作并防止关键信息丢失。当在来自美国13个州高中的40份真实成绩单上进行评估时，我们的智能体系统成功处理了每一份文档，与专家人工审查相比达到了96.7%的准确率，同时保持了每份成绩单45秒的实用处理速度。这项工作展示了多智能体协调如何解决复杂的文档处理挑战，为机构提供了一种可扩展的协作式AI解决方案，在显著减少处理时间的同时保持了准确性。

††copyright:acmlicensed††journalyear:2026††doi:XXXXXXX.XXXXXXX††conference:Practice and Experience in Advanced Research Computing; July 26–30, 2026; Minneapolis, MN††isbn:978-1-4503-XXXX-X/2018/06††ccs:Computing methodologies Multi-agent systems††ccs:Computing methodologies Artificial intelligence††ccs:Applied computing Education††ccs:Applied computing Document analysis## 1. 引言

每年春天，数百万高中毕业生提交大学申请，每份申请都包含一份学业成绩单。这些成绩单讲述着学生的学术旅程。在幕后，处理这些文档是一项巨大的挑战，几十年来几乎没有改变。考虑一下规模：一所大型州立大学每年可能会收到5万份申请。每份成绩单需要15-30分钟的人工审查来提取课程、计算GPA并验证毕业要求。这相当于超过2万小时的熟练劳动力——相当于十名全职员工全年仅从事成绩单处理工作。人力成本是巨大的，但也许更令人担忧的是，当疲惫的员工处理当周的第千份成绩单时，可能出现不一致和错误。此外，高中成绩单代表了文档多样性的完美风暴。美国大约24,000所高中各自形成了自己的成绩单格式，反映了当地传统、州要求和可用技术。一些学校以学期模块呈现成绩；其他学校则使用三学期制或学季制。一些学校按5.0量表计算加权GPA；其他学校则坚持传统的4.0量表。一些学校将课程嵌入密集的表格中；其他学校则用叙述性段落列出课程。

对于人类来说，阅读成绩单感觉很简单——我们会本能地认识到“AP Calculus BC”是一门值得检查大学准备程度的高级数学课程。但教会计算机这项看似简单的任务却异常困难。专为标准化表单设计的传统文档处理系统，在面对成绩单的多样性时就会失败。它们可能成功地从一所学校的格式中提取数据，却完全无法处理下一所学校。这种失败不仅仅是技术上的不便。当自动化系统无法可靠地处理成绩单时，机构必须维持大型人工处理团队。这会产生几个级联问题，包括：1）延迟决定：学生在等待申请进入处理队列时焦急地等待；2）不一致的评估：不同的审查员可能对同一学业记录有不同的解读；3）资源消耗：机构花费数百万美元用于人工处理，而这些资金本可以用于支持学生服务；4）扩展性限制：在高峰期，申请量甚至会使人员配备充足的办公室不堪重负。

在本文中，我们提出了一种通过多智能体协作处理成绩单的新方法。我们的研究始于一个简单的观察：经验丰富的招生官员很少因成绩单的多样性而困扰。当他们遇到不熟悉的格式时，他们会无缝适应，使用多种策略来提取所需信息。他们可能首先寻找熟悉的模式（如“GPA”标签），然后上下文地阅读文本（理解“累计平均”就是GPA），最后分析视觉布局（认识到顶角加粗的数字很可能是GPA）。受人类智能的启发，我们开发了一个协作式智能体框架，通过多个专门化的自主智能体模仿人类的适应性。我们的系统由四个协调工作的智能体组成：

1. (1)模式识别智能体：专精于格式特定的解析和模板匹配。
2. (2)语义分析智能体：擅长自然语言理解和上下文推理。
3. (3)视觉智能体：专注于多模态分析和空间关系理解。
4. (4)编排智能体：协调智能体通信，管理质量控制，并调解冲突结果。

最重要的是，我们发现GPA提取可以作为智能体协作的协调信号。由于每份成绩单都包含GPA信息，并且该指标对录取决定至关重要，任何智能体成功提取GPA都强烈表明整体处理成功。这一洞见使我们的编排智能体能够有效地协调专业智能体，并确定协作何时成功，或者何时需要替代的智能体策略。

本文提出了第一个达到实际部署所需可靠性的自动化成绩单处理多智能体方法。我们的具体贡献包括：

1. (1)一种新颖的多智能体架构，其中专业智能体通过智能协调处理文档多样性。
2. (2)基于智能体的质量控制机制，使用GPA提取作为智能体通信的协调信号。
3. (3)用于管理智能体协作、冲突解决和结果整合的编排协议。
4. (4)广泛的评估，证明通过智能体协调相比单智能体方法具有优越性能。
5. (5)一个可用于生产的多智能体实现，适合机构立即采用。

本文其余部分组织如下：第2节 (https://arxiv.org/html/2606.13916#S2)回顾了文档处理、多智能体系统及其在教育文档自动化中应用的相关工作。第3节 (https://arxiv.org/html/2606.13916#S3)详细介绍了我们的智能体架构和协调方法。第4节 (https://arxiv.org/html/2606.13916#S4)介绍了我们智能体通信协议和编排机制的技术实现。第5节 (https://arxiv.org/html/2606.13916#S5)提供了全面的评估结果，展示了智能体协作的有效性。第6节 (https://arxiv.org/html/2606.13916#S6)讨论了多智能体文档处理的意义和局限性。第7节 (https://arxiv.org/html/2606.13916#S7)总结了协作式AI在教育管理中的未来方向。

## 2. 相关工作

文档处理技术经历了三大波浪潮。早期的基于模板的系统（例如ABBYY FlexiCapture、Kofax Capture）(Gerhanaet al.,2020 (https://arxiv.org/html/2606.13916#bib.bib8))在标准化表单上表现良好，但在格式变化时失败。第二波引入了基于机器学习的OCR。现代系统如Google Cloud Document AI和Amazon Textract(Hegghammer,2021 (https://arxiv.org/html/2606.13916#bib.bib10))在打印文档上实现了高字符级准确率，但缺乏语义理解，无法可靠地区分GPA和课程编号。第三波新兴浪潮利用大型语言模型和视觉-语言模型，例如GPT-4(Achiamet al.,2023 (https://arxiv.org/html/2606.13916#bib.bib3))，它们能够推理上下文和语义。然而，这些模型并非针对教育文档定制，缺乏可靠处理成绩单所需的领域特异性。在教育文档自动化领域，几家公司尝试过自动化成绩单处理，但他们的方法揭示了问题为何仍未解决。Parchment¹¹¹https://www.parchment.com/ 需要为每所学校的格式进行大量手动配置——面对每年变化的数千种格式，这如同西西弗斯式任务。Credentials Solutions（已并入Parchment）使用众包，由人类工作者提取计算机无法提取的数据，这仅仅是转移了手动负担，而非消除它。该领域的学术研究仍然出奇地稀少。虽然关于通用文档处理的文献很多，但专门针对教育文档的论文不到50篇。那些存在的论文通常关注狭窄的问题，比如从单一大学的成绩单中提取成绩，而不是解决格式多样性的更广泛挑战。

多智能体系统（MAS）通过通信和协调，使自主、专业化的智能体能够协作处理复杂任务，这是一种根植于分布式人工智能的范式。基础研究确立了核心智能体属性——包括自主性、反应性、主动性和社会能力——并证明在复杂问题上，协调的智能体可以比单智能体系统性能高出30-40%(Wooldridge and Jennings,1995 (https://arxiv.org/html/2606.13916#bib.bib11); Singh,2025 (https://arxiv.org/html/2606.13916#bib.bib12))。在文档处理中，先前的工作(Amazon Web Services,2024 (https://arxiv.org/html/2606.13916#bib.bib19); Artificio,2024 (https://arxiv.org/html/2606.13916#bib.bib20))表明，智能体专业化和协作可以提高提取准确率，基于智能体的信息提取系统在复杂文档上使用领域特定、语言和视觉智能体达到了超过94%的准确率。最近基于大型语言模型（LLM）的多智能体框架的进展通过实现上下文推理、动态角色分配和智能体之间的结构化通信，进一步增强了这些能力。对基于LLM的MAS的综述(Guoet al.,2024 (https://arxiv.org/html/2606.13916#bib.bib4))将智能体通信、协调和冲突解决确定为主要挑战，而MetaGPT(Honget al.,2023 (https://arxiv.org/html/2606.13916#bib.bib6))等系统则表明，结构化多智能体协作可以将文档分析性能提高20%以上。AgentBench(Liuet al.,2023 (https://arxiv.org/html/2606.13916#bib.bib5))等评估框架进一步形式化了协调有效性的指标。尽管有这些进展，许多先前的系统依赖于简单的共识机制，缺乏稳健的质量控制。我们的方法通过一个编排智能体解决了这一差距，该智能体管理任务分配、集成异构输出，并通过基于GPA的协调信号强制执行质量保证，基于信念-愿望-意图（BDI）框架。

传统的集成方法通过投票组合多个模型，在多个领域展示了性能提升，在医学成像中实现了更高的诊断准确率（94.7% vs. 89.2%）(Ullahet al.,2023 (https://arxiv.org/html/2606.13916#bib.bib22))，在遗产对象识别中(Zhouet al.,2019 (https://arxiv.org/html/2606.13916#bib.bib9))，并在金融预测中减少了预测误差(Liuet al.,2020 (https://arxiv.org/html/2606.13916#bib.bib26); Baek and Kim,2023 (https://arxiv.org/html/2606.13916#bib.bib28))。然而，这些方法缺乏真正多智能体协调的复杂性。先前的文档处理集成方法依赖于简单的聚合机制。系统已经使用过多个OCR引擎之间的多数投票，在标准化表单上实现了高准确率(Swarms,2024 (https://arxiv.org/html/2606.13916#bib.bib40))。虽然对标准化文档有效，但这种方法未能利用智能体专业化，也无法处理智能体从不同文档区域提取冲突但有效信息的情况。多智能体系统通过智能协调超越了简单的集成。并非被动投票，而是智能体主动通信、共享中间结果并协作解决问题。我们的工作代表了从集成聚合到智能体协调的演变，其中专业智能体理解自己的角色、交流不确定性，并共同确定最优处理策略。

先前多智能体文档处理系统的一个主要差距是缺乏特定领域的基于智能体的质量控制。虽然单个智能体可能验证自己的输出，但现有系统缺乏协作质量保证机制，导致多达78%的处理错误无法通过通用检查发现(Maigaet al.,2025 (https://arxiv.org/html/2606.13916#bib.bib13))。基于共识的协调在教育文档中进一步失败，因为智能体可能从多个区域提取不同但有效的信息（例如，表格中的GPA值与叙述性文本中的GPA值）。我们通过使用GPA提取成功作为特定领域协调信号的基于智能体的质量控制来解决这一差距。我们的编排智能体并非强制执行简单的共识，而是评估协作一致性、集成置信度感知的输出，并识别失败案例——这些能力对于部署能够处理95%成绩单的系统至关重要，同时能够可靠地检测并解释剩余的失败。

## 3. 多智能体架构与协调

参考图注图1. 多智能体系统架构。该图说明了我们的协作智能体框架，每个阶段都有协调协议。输入PDF经过预处理流向三个专业智能体：模式识别智能体（格式特定解析）、语义分析智能体（基于LLM的文本理解）和视觉智能体（多模态图像分析）。每个智能体都包含质量控制（QC）协议，在将提取结果通信给编排智能体之前验证提取。系统以智能体协调的教育领域评估结束，并生成结构化的JSON输出。想象你是团队的一员，正在处理来自不熟悉高中的成绩单。格式专家可能会快速扫描明显的模式，如“GPA”标签。语言专家会仔细阅读，理解“Cumulative Academic Average: 3.85”表示GPA。视觉分析师会检查布局和格式线索。最后，协调员会整合这些发现，解决冲突，并确保完整性。如图1 (https://arxiv.org/html/2606.13916#S3.F1)所示，我们的多智能体系统通过四个协调工作的自主智能体模仿了这种协作性人工方法：

模式识别智能体