PulseAugur
中
实时 17:44:20
English(EN) DocMemo: Dynamic Evidence Discovery via Probabilistic Memory-Guided Retrieval for Multi-Modal Document Understanding

DocMemo框架通过动态记忆增强长文档理解能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了一种新颖的记忆引导框架DocMemo，旨在增强多模态文档理解能力，尤其适用于长文档。该系统通过采用三级检索状态（文档模式记忆、页面信念记忆和问题情节记忆）来解决静态检索和脆弱的跨轮记忆的局限性。DocMemo利用Thompson采样等机制通过贝叶斯信念更新动态优化页面选择，在三个基准测试中取得了最先进的性能。 AI

影响 该框架有望提高处理长文档的AI系统的效率和准确性，对法律研究和学术分析等领域产生影响。

排序理由 该集群描述了一篇详细介绍新文档理解框架的最新研究论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

DocMemo框架通过动态记忆增强长文档理解能力

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Hanshu Yao, Janfeng Zhong, Niu Lian, Jinpeng Wang ·

    DocMemo：通过概率记忆引导检索实现动态证据发现，用于多模态文档理解

    arXiv:2608.07067v1 Announce Type: new Abstract: Long-document understanding requires locating sparse and heterogeneous evidence across hundreds of pages, yet existing systems remain limited by static retrieval and fragile cross-round memory. Mainstream single-round methods commit…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Jinpeng Wang ·

    DocMemo：通过概率记忆引导检索实现动态证据发现，用于多模态文档理解

    Long-document understanding requires locating sparse and heterogeneous evidence across hundreds of pages, yet existing systems remain limited by static retrieval and fragile cross-round memory. Mainstream single-round methods commit to a fixed top-$k$ page set at the outset and s…

相关实体

相关话题