kordoc

수식 OCR 재현율 0.9723 → 0.9758, BLEU-4 0.8997 → 0.9045(보고 전용) · 자체 OCR 표 구조 일치 28 → 31/65 · KoOCR-Bench 0.90370 그대로 · 자체 벤치 문서별 하락 0

Security

• 의존성 최소 버전을 보안 권고가 고쳐진 버전으로 올림. 종전 선언 범위는 취약한 버전을 허용해, 잠금 파일 없이 설치하거나 오래된 잠금 파일을 쓰는 설치가 권고에 노출될 수 있었다. 잠금 파일은 이미 고쳐진 버전을 고르고 있어 설치 버전·출력은 그대로(npm test 4,981건, Python SDK 86건(pytest 9.0.3), Java SDK 72건 통과, npm audit 0건)
  • @xmldom/xmldom ^0.9.10 → ^0.9.12: 2026-09 공개 권고(이차 시간·이차 메모리 파싱, 정규식 ReDoS, requireWellFormed 우회 — GHSA-93r5-fhx6-vmg9·GHSA-965w-775f-mr7g·GHSA-8344-3jmq-59r6·GHSA-g53g-w8rj-fmg7·GHSA-vr34-hp96-76pp 외)
  • @modelcontextprotocol/sdk ^1.29.0 → ^1.32.0: HTTP 전송 요청 크기·처리 제한(GHSA-f897-62hf-6gxq, GHSA-46jr-4wx8-v453/CVE-2026-111768), 세션에 묶이지 않는 작업(GHSA-22jm-h49p-29qw/CVE-2026-111767), 베어러 토큰 검증(GHSA-rvq5-wwqv-78pq/CVE-2026-111771), OAuth 자격 증명 전송(GHSA-6qxp-vccf-f47h/CVE-2026-104850, GHSA-6prh-2h8m-c8cw/CVE-2026-111769). kordoc mcp 는 stdio 전송이라 HTTP 계열은 직접 쓰지 않지만 SDK 를 함께 설치하는 앱이 영향받는다
  • sharp ^0.35.0 → ^0.35.5 (선택 의존·개발 의존·overrides): 동봉 libheif(GHSA-rgj7-g3m4-5g8c)·librsvg(GHSA-wq5f-xc86-pv6w, CVE-2026-96889) 취약점
  • overrides adm-zip ^0.6.0 → ^0.6.1 (onnxruntime-node 가 끌어옴): 압축 폭탄 방어 우회·선언 크기 메모리 할당(GHSA-rcw4-f5rp-g42v, GHSA-7q85-xj36-vmfc/CVE-2026-77301), SUID 비트 보존(GHSA-j5f4-cc29-5x44/CVE-2026-102282), 비동기 풀기 오류로 프로세스 종료(GHSA-8238-w5pm-2374) 외 3건
  • Python SDK 시험 의존 pytest >=8 → >=9.0.3: 임시 디렉터리 처리로 로컬 DoS·권한 상승(GHSA-6w46-j5rx-g56g/CVE-2025-71176). 시험 전용이라 배포물은 그대로(Python 3.11 에서 86건 통과)

Fixed

• OCR 예산서 표 산출 내역 칸: 쌓인 행 가르기가 한 칸에 적힌 항목과 산출 내역("○전기요금 / -취수정 경정 80,000,000원", "○센터 공공요금 / 전기요금 5,600,000원 / …")·재원 내역("526,657 / 균 395,010")을 행으로 펼쳐, 원본 한 칸인 자체 OCR 예산서 표가 어긋났다(11-02 행 합침 아래 쌓인 행 가르기 뒤 부천 표 일치 2/2 → 0/2, 괴산 2/2 → 0/2 — 그때 스위트 문서별 비교는 CER 만 봐 놓쳤다). 이름표 둘째 줄부터 금액(…원)을 적은 줄이 있거나 재원 표지 금액 줄("국·도·균·시·군·구 + 금액")이 있으면 한 칸으로 둔다. 금액 없는 갈래 이름("○사업비 / -사회보험성 / -사업성", 관보 기금 운용)은 종전대로 펼친다 — 자체 OCR 표 일치 28/65 → 31/65(부천 0 → 2, 괴산 2013 0 → 1, 칸 F1 .918 → 1·.809 → .856), KoOCR-Bench 0.90370 그대로, 자체 OCR·OCR robust·ODL-OCR 문서별 하락 0

• 공문서 프리셋 정규화(normalizeGongmunPreset)가 별칭 표를 프로토타입까지 뒤져, 프리셋에 "toString"·"constructor" 같은 이름을 주면 문자열 대신 함수를 돌려 markdownToHwpx(gongmun.preset)와 lintBlocks(preset)가 preset.trim is not a function 으로 죽었다. CLI·MCP·protocol 2 는 이미 자기 키만 받았고, 라이브러리로 부르는 쪽만 걸렸다. 표의 자기 키만 보고 모르면 종전대로 official, 문자열이 아닌 값도 official

• PDF 수식 OCR 긴 여러 줄 식: 인식기는 영역을 384×384 로 늘려 넣어 열 줄 넘는 증명식이 뭉개져 쓰레기("\displaystyle\frac{8}{4}[\left[a=…")가 나왔다 — 정답 식 500자 넘는 것 106개 중 26개를 놓쳤다(그 밖은 1~2%). 다섯 줄 이상인 display 영역은 줄 사이 빈 띠에서 갈라 줄마다 읽고 aligned 로 잇는다. 줄 띠는 여러 줄에 걸친 큰 괄호(세로 획 22.5pt 이상)를 빼고 행을 세며, 합 기호 위아래 첨자처럼 작은 띠(가장 큰 띠의 절반 미만)나 줄 사이 틈보다 좁게(가장 큰 틈의 60% 미만) 붙은 띠는 이웃 줄에 붙인다. 넉 줄 이하는 통째로 읽는다(넉 줄 식까지 가르면 오른쪽 조건 열 "for 0≤s≤r²"·굵은 기호·정렬 기호가 빠져 10개가 나빠졌다) — 수식 벤치(20편 621쪽, 혼자 실행) 재현율 0.9723 → 0.9758, NED≤.3 재현율 0.9425 → 0.9494, 정밀도 0.9682 → 0.9699, BLEU-4 0.8997 → 0.9045(2609.15723 .864 → .903), 종전 짝 중 빠지거나 NED 가 나빠진 것 0

KoOCR-Bench 종합 0.90023 → 0.90370(손글씨 .908 → .921, 표 .9105 → .9120) · 자체 OCR·OCR robust·ODL-OCR 문서별 하락 0

Fixed

• OCR 저신뢰 줄이 많은 쪽 다시 읽기: 하늘 수채화 바탕 손편지(640×920)는 960 검출에서 손글씨 글줄이 획 조각 상자로 갈려 124줄 중 66줄을 저신뢰로 버렸고(CER .51), 남은 조각은 군집 표가 됐다. 쪽에서 버린 줄이 15개 이상이고 전체 줄의 15% 이상이면 검출 긴 변을 5/3 배로 키워(손글씨 rec 판정까지) 다시 읽고, 버린 줄이 줄고 확신도가 오르면 그것을 쓴다 — 손편지 두 쪽 CER .508 → .150·.277 → .142, KoOCR-Bench 0.90096 → 0.90370(손글씨 .9075 → .9212, 다른 쪽 그대로). 검출 크기를 늘 키우면 손글씨 108쪽 중 34쪽이 나빠졌다(1600 일괄 .0757 → .0929). 그림 영역만 읽는 쪽은 차트 눈금·범례 조각을 늘 많이 버려 걸리므로 끈다(ODL 027 "single" → "sing le"). 자체 OCR·OCR robust·ODL-OCR 문서별 하락 0
• OCR 표 "○ 항목 | 금액" 쌓인 행: 관보 기금 자금조달·운용 표는 한 행 칸 안에 "○ 자체수입 / ○ 정부내부수입 …" 과 "3,819,793,000,000원 / …" 을 줄로 쌓아 두는데, 쌓인 칸 대다수가 숫자여야 가르던 조건(60%)에 항목 칸이 걸려 한 행으로 남았다. 쌓인 칸마다 숫자 칸(줄 80% 이상 숫자, "원"·"-원" 포함)이거나 항목 칸(12자 이하 글 줄, "○" 글머리 하나 이상)이고 숫자 칸이 하나 이상이면 가른다. 줄 수가 같은 칸 수로 맞서면 줄이 많은 쪽을 행 수로 잡아 짧은 쪽(조달 4줄·운용 5줄)은 끝 행을 비운다 — 관보 두 쪽 CER .266 → .008·.314 → .148, KoOCR-Bench 0.90023 → 0.90096(내려간 쪽 0), 자체 OCR·OCR robust·ODL-OCR 문서별 하락 0. 금액 칸 없이 글만 쌓인 "○" 목록은 그대로

Fixed

• PDF 수식 OCR: 검출기가 여러 줄 정렬식 전체와 그 안의 한 줄을 따로 잡으면(IoU 가 작아 NMS 를 지난다) 같은 줄이 큰 식 안에 한 번, 짝 없는 조각으로 또 한 번 나왔다(2609.15723 "+\frac{4L_f^2…}" 줄). 면적 85% 이상이 다른 display 상자 안이고 그 상자가 1.5 배 이상 높으면 뺀다 — 수식 벤치(20편 621쪽, 혼자 실행) 정밀도 0.9554 → 0.9682(10편 오름, 2609.15723 .757 → .822), 재현율 0.9728 → 0.9723(2609.15723 에서 NED .589 로 겨우 붙던 조각 짝 하나가 빠짐, 같은 논문 한 짝 NED .017 → .072), 다른 짝 그대로
• OCR 표 소수 짝("12.1/18.1", 기온 최저/최고): 좁은 숫자 글꼴에서 소수점이 앞뒤 숫자에 붙어 빠졌다("121/18.1"·"124/188"). 쪽의 수 짝 다섯 이상에 60% 넘게 양쪽이 소수일 때만 점이 빠진 짝을 가로로 늘려 다시 읽어, 양쪽 소수 하나씩이고 원래 숫자를 차례로 품으며 숫자가 하나까지만 늘면 받는다 — 날씨 표 서울 행 7칸 바로잡힘(KoOCR-Bench 종합 0.89885 그대로 — 그 표는 행·열 구조가 어긋나 칸 짝이 안 맞는다), 자체 OCR·OCR robust·ODL-OCR 문서별 하락 0
• OCR 칸 테두리 지우기(edgeTrim): 촘촘한 통계표에서 인식 박스에 걸친 칸 괘선을 글자로 읽어 "0:36" 이 ":36", "60.5" 가 "(.5" 가 됐다. 겹선(‖)은 두 선을 한 테두리로, 점선 세로선(위아래 끝에 닿고 빈 토막이 촘촘한 열)도 테두리로 보고, 박스 위아래 끝의 가로 괘선 행은 글 열 판정에서 뺀다. 끝 20% 안에 높이를 꽉 채운 실선이 있으면 그 너머 이웃 칸 글자 끝자락까지 지운다 — 생활시간 표 5칸 바로잡힘, KoOCR-Bench 0.89885 → 0.89887, 자체 OCR·OCR robust·ODL-OCR 문서별 하락 0(3문서 오름)
• HWP 3.x 글 추출(rhwp 0.9.0 대조): 사용자 정의 개요 번호(모양 0)의 한글 음절 형식(5)을 "가. 나. …" 로 읽는다(종전 기본 개요 "I. II." — 한컴 HWP5 저장본과 대조). 찾아보기 표식(ch=26)이 본문에 대체 문자(U+FFFC)를 남기던 것("입력기(IME")과 하이픈(ch=24)이 "-" 를 내던 것("Word-processor", 한컴 저장본 "Wordprocessor")을 HWP5·HWPX 경로처럼 글 없이 둔다. 사적 코드 0x2015(―)를 읽어 치수 화살표 가로선 62자가 살아난다 — 자체 HWPX·PDF·HWP5 짝 채점 게이트 PASS
• OCR 손글씨 rec 기본 문턱: 쪽 확신도 .85 미만·+.10 상승에서만 손글씨 rec 로 바꿔 .85~.90 손글씨 쪽을 놓쳤다. 쪽 확신도 .9 미만에서 +.10 넘게 오르면 바꾸고, +.08~.10 이면 손글씨 rec 확신도 .95 이상·두 결과 글 8% 이상 차이·글자 80자 이상일 때만 바꾼다 — 인쇄 시험지(손글씨 rec 확신도 .91~.94), 잡음 낀 인쇄 스캔(두 rec 글 차이 .007~.07), 짧은 목차 영역(64자)은 그대로. KoOCR-Bench 0.89887 → 0.90023(손글씨 .9007 → .9075, 17쪽 오르고 4쪽 내림, 수능·표 그대로), 자체 OCR·OCR robust·ODL-OCR 문서별 하락 0. ocrRec: "auto"(.9·+.06)는 수능 수학 9쪽이 망가져 0.90006

Fixed

• PDF·OCR 쪽에 좌우로 나란히 놓인 두 표: 같은 쪽 인접 표 잇기가 읽기 순서로 연달아 오고 열 수가 같은 표를 자리와 상관없이 행으로 이어, 오른쪽 표가 왼쪽 표 아래 행으로 쌓였다(지역별 혼인 건수 "지역 | 전체 | 초혼 | 재혼" 두 표·소관부처 목록 두 표). 가로 범위가 안 겹치고 세로로 절반 넘게 겹치는 두 표는 잇지 않는다 — KoOCR-Bench 0.89420 → 0.89698(표 묶음 4쪽 .41~.68 → .87~1.0, 수능 국어 두 쪽 CER .30 → .11, 하락 0), 자체 OCR·ODL·ODL-OCR·PDF 글·PDF 표 문서별 하락 0
• PDF 수식 OCR 쓰레기 거름이 바로 인식된 식을 버렸다: 등호 없는 aligned 를 쓰레기로 봐 \leq·\lesssim 로만 잇는 여러 줄 부등식 유도가 통째로 빠졌고, 같은 첨자를 단 정상 식(S=\sum_{\ell,m}S_{\ell,m}Y_{\ell,m})이 첨자 되풀이로 반복 쓰레기에 걸렸다. aligned 는 관계 기호(=·<·>·≤·≥·≲·≈·∼·≡ …)가 하나도 없을 때만, 반복 검사는 첨자를 지운 뒤에도 되풀이가 남을 때만 버린다 — 수식 벤치(20편 621쪽, 혼자 실행) 재현율 0.9447 → 0.9728, NED≤.3 재현율 0.9114 → 0.9425, 정확 일치 0.6033 → 0.6141, BLEU-4 0.8906 → 0.8974, 짝 2186 → 2251(종전 짝 중 빠지거나 NED 가 나빠진 것 0), 정밀도 0.9584 → 0.9554(새로 잡힌 식 중 정답지에 없는 display 식 11개 — 모두 실제 식), 쪽당 6.8초
• OCR 표 칸 음영: 20% 회색 머리 띠(휘도 204)를 잉크로 보면 띠 전체가 한 덩어리라 그 안의 진한 1px 세로선과 띠에 붙은 표 테두리까지 굵은 띠로 버려져 표 머리 칸이 뭉개졌다(관보 배출 정보 서식 두 단 머리 — 위 표 세로선 0개). 옅은 회색 면 가운데 양옆이 진한 괘선이고 네모를 채우며, 괘선이 면 밖으로 이어지거나(표 격자) 괘선 너머 다른 칸 음영과 맞닿은 면만 잉크에서 뺀다 — 아무 회색 면이나 빼면 그림 입체 틀 윤곽·사진 밝은 면 속 무늬·옅은 음영 칸 옆 진한 칸 가장자리가 가짜 괘선이 됐다(수능 한국사 order .97 → .51, 사진 칸 표 .44 → .10). 관보 두 쪽 CER .50 → .01·.149 → .088, 수능 국어 두 쪽 order .86 → .97·.99
• OCR 표 "값 (구성비)" 칸: 칸 상자 위아래에 걸친 칸 괘선(실선·점선) 행이 글자 사이 빈 열을 모두 막아 픽셀 빈 구간 근거가 없었고, "4,280 (100.0)" 이 두 열로 안 갈렸다. 상자 위아래 1/4 띠에서 폭의 35%(어디서든 85%) 넘게 잉크인 행은 빼고 센다. 값 아닌 글 둘뿐인 머리 줄이 틈 양옆에 글자 높이 1.2 배 안으로 붙으면("자기 집"·"전 세") 그 머리 행은 가르지 않아 두 열에 걸친다(열마다 따로 선 머리 "제조업 서비스 건설" 은 가른다) — 거처 점유 형태 표 .60 → 1.0, 장래인구 가정치 표 .913 → .922. 두 수정 합쳐 KoOCR-Bench 0.89698 → 0.89885(올라간 쪽 7, 내려간 쪽 3 — 각 −.002 이하), 자체 OCR·OCR robust·ODL-OCR 문서별 하락 0(robust 건축허가신청서 scan CER .57 → .37)