研究人员开发了一种新的视觉文档理解方法，该方法无需基于坐标的区域标签。通过比较坐标接口和基于文本的引用检索管道，他们发现后者显著提高了证据召回率，并降低了多个视觉语言模型的幻觉率。这种方法使用 GRPO 配方来训练模型，使其能够在没有昂贵的区域级监督的情况下更好地引用证据，并证明了 8B 主干模型的严格归因准确性有所提高。 AI
影响 这项研究提供了一种更有效、更准确的视觉文档理解方法，有望改进 AI 模型处理和引用文档信息的方式。
排序理由 学术论文，详细介绍了一种新的视觉文档理解方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
