في عالم معالجة الوثائق المالية، تكمن أهمية الدقة والسرعة في تحقيق الاستفادة القصوى من البيانات المستخرجة. يسلط بحث جديد الضوء على كيفية معالجة الوثائق المالية بشكل فعال باستخدام تقنيات الذكاء الاصطناعي، خاصة نماذج اللغة المرئية (Vision Language Models).\n\nتتطلب عملية المعالجة المباشرة (Straight-through processing - STP) من البيانات المالية استخراج معلومات دقيقة من الحقول الأساسية دون مراجعة بشرية، وهو ما يتطلب موثوقية عالية في الإحصاءات التي تشير إلى احتمال الخطأ. وكشف البحث عن أن التحديات السابقة في نماذج اللغة المرئية كانت تتجلى في ضعف موثوقية الإشارات الناتجة عن هذه النماذج.\n\nتقدم هذه الورقة البحثية طبقة ثقة مفككة، ترتكز على ثلاثة قنوات يمكن تفسيرها، وهي الإدراك (Perception) والتخطيط (Layout) والتحقق (Validation). من خلال دمج هذه القنوات مع نموذج تحكم المخاطر النهائي، يُمكن تحقيق معالجة موثوقة للوثائق المالية. وقد تم اختبار الطريقة المقترحة على ثلاثة مجموعات بيانات عامة، تتمثل في الفواتير الحقيقية، والفواتير الاصطناعية، ونماذج شراء الإعلانات، باستخدام عائلتين مختلفتين من نماذج اللغة المرئية (Qwen3.6-27B و Gemini-3.1-Flash-Lite).\n\nتشير النتائج إلى أن هذه الطريقة تعمل على تحسين التمييز بين الاستخراجات الصحيحة والخاطئة، حيث ارتفع معدل تقليل الأخطاء (AUROC) من 0.54-0.74 لإشارات النماذج إلى 0.90-0.99 بفضل مساهمات جميع القنوات المصممة. وتبرز أهمية هذا البحث في تمكين تطبيق المعالجة المباشرة بشكل عملي، حيث كانت إشارات الثقة الأصلية لنموذج اللغة المرئية قادرة على معالجة 0.1%-7.0% من الحقول تحت السيطرة على المخاطر بمعدل خطأ مستهدف أقل من 10%. بينما تمكنت الطريقة المقترحة من الموافقة التلقائية على 49-72% من الحقول مع المحافظة على معدل الخطأ في المستوى المقبول.