HANS：用于噪声混合文档解析的手写答题纸数据集

智能阅卷与自动评分技术是智慧教育的关键基础设施。然而，现有的文档解析和手写识别基准主要针对结构良好的印刷文档或孤立的数学表达式设计，缺乏能够捕捉学生答题纸固有复杂特征的数据集，包括多行推导过程、文本与数学公式的异构混合，以及划线等噪声伪影。为弥补这一空白，我们提出了 HANS，这是首个专为真实教育场景构建的数据集，涵盖数学表达式、自然语言文本、手绘表格，以及包括修改和删划在内的多种噪声模式，并配有细粒度标注，为鲁棒识别研究奠定了可靠基础。在 HANS 的基础上，我们提出了 NA-GOT，这是一种端到端框架，通过在特征层运行的轻量级噪声抑制模块，并结合融入解码阶段的噪声感知注意力机制，实现两阶段噪声抑制。实验结果表明，HANS 对现有方法构成了重大挑战，而 NA-GOT 在答题过程识别的准确性和稳定性方面均取得了显著提升。该数据集将在论文发表后公开。