CVPR 2026|ORCA:让九类文档专家先协作,再用辩论校验答案

论文标题：ORCA: Orchestrated Reasoning with Collaborative Agents for Document Visual Question Answering

论文链接：https://arxiv.org/abs/2603.02438

发表信息：CVPR 2026 Main Conference

1 从问题理解到专家路由

第一阶段由Thinker分析问题与文档，生成显式推理路径。第二阶段的Router据此激活专业智能体，候选角色覆盖General、Form、Free Text、OCR、Image/Photo、Layout、Table/List、Yes/No和Figure/Diagram九种类型。Orchestrator负责汇总各专家结果，生成初步答案。

关键在于并非九个智能体每次全部出场。表格比较题可路由到表格、OCR与版式专家，图片内容题则采用另一组组合。这样既让不同证据类型有针对性的处理方式，也保留了可追踪的任务分解过程。

2 答案不稳时才增加计算

ORCA的第三阶段是Stress Testing。评估智能体与被激活的专家对初步答案提出质疑，检查它是否遗漏视觉细节、错误对齐字段或使用了不充分证据。如果发现矛盾，系统进入第四阶段：Thesis Agent支持当前答案，Antithesis Agent寻找反例，Judge Agent比较双方依据后给出裁决。

最后，Sanity Checker执行一致性检查和答案精炼。这种设计不是让模型无条件“想得更久”，而是将额外计算集中在有争议的样本上。论文统计中，压力测试阶段在23.4%的问题上被激活，真正进入辩论的比例为8.3%。

案例中，多个模型对档案记录里的出版信息给出不同答案。ORCA先定位对应行，再由专家分别核对手写内容、版式关系和字段语义，最终将错误候选逐一排除。它的优势不仅是答对，还能看到错误在哪个阶段被纠正。

3 8B模型带来的实际增益

以Qwen3-VL-8B为骨干时，直接推理在DocVQA和InfoVQA上分别得到96.1和83.1，加入ORCA后提升到97.2和88.0，分别增加1.1和4.9个点；多个文档VQA基准的平均分从89.6提高到92.6。OCRBench也从65.4升至67.1。

作者还分析了100个错误样本：43%属于推理错误，27%来自路由，18%来自智能体协调，12%属于过度精炼。这说明多智能体并没有消除错误，只是把问题从一个黑盒答案拆成了更具体的故障点。特别是路由错误，一旦最合适的专家没有被激活，后续辩论也可能围绕错误证据展开。

4 总结

ORCA给DocVQA提供了一种“按风险分配推理预算”的思路：简单问题走短路径，复杂问题调用专长，冲突答案再进入压力测试和辩论。相比固定长度的思维链，它更强调组织方式和验证闭环。

代价也很明确。多轮智能体调用会增加延迟和token开销，最终效果依赖路由质量，而且实验主要针对单页文档视觉问答，尚不能直接等同于百页级检索。对于需要审计过程的表单、票据和档案场景，ORCA最值得借鉴的部分或许不是“智能体越多越好”，而是每次额外推理都应有清楚的触发条件与否决机制。