Dr.Docbench: Um Benchmark e Framework para Avaliação de Compreensão e Acessibilização Estrutural de Documentos Científicos por Agentes de IA
Resumo: A digitalização e a conversão de documentos acadêmicos e científicos frequentemente geram arquivos PDF visuais sem marcação semântica, impossibilitando a leitura acessível por tecnologias assistivas (leitores de tela e linhas Braille). Este trabalho introduz o Dr.DocBench, um benchmark rigoroso e framework agentico projetado para avaliar e mitigar perdas estruturais na extração de documentos científicos complexos. Utilizando modelos de visão-linguagem (VLMs) e orquestração multimodal apoiada na infraestrutura de supercomputação do LaMCAD/UFG, a abordagem proposta atinge taxas superiores de recuperação hierárquica, reconstrução de tabelas e audiodescrição técnica de gráficos e equações matemáticas, viabilizando a conformidade com as normas PDF/UA (ISO 14289) e WCAG 2.2 AAA.
Métricas padronizadas de integridade semântica, fidelidade de tabelas e ordem de leitura linear.
Processamento de alta performance para inferência de modelos multimodais de visão computacional.
Conversão de fórmulas para MathML e notações navegáveis termo a termo por sintetizadores de voz.
@techreport{inuzuka2026drdocbench,
title = {{Dr.Docbench: Um Benchmark e Framework para Avalia{\c{c}}{\~a}o de Compreens{\~a}o e Acessibiliza{\c{c}}{\~a}o Estrutural de Documentos Cient{\'i}ficos por Agentes de IA}},
author = {Inuzuka, Marcelo Akira and Cordeiro, Jhonata Fernandes},
institution = {Universidade Federal de Goi{\'a}s, Instituto de Inform{\'a}tica (INF/UFG)},
number = {UFG-INF-2026-01},
year = {2026},
address = {Goi{\^a}nia, GO, Brasil},
url = {https://acessilia.org/pesquisa.html}
}