PulseAugur
中
实时 09:22:56
English(EN) Time Present and Time Past: Benchmarking Large Language Models on Temporally Evolving Document Understanding

新的基准和系统解决了大型语言模型在长文档理解方面的挑战

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新的研究论文介绍了增强大型语言模型（LLMs）理解和处理长篇、不断演变的文档能力的新方法。第一篇论文 TIDE 提出了一个针对随时间演变的文档的基准，突出了 LLMs 在版本解析和官方法律文书准确性方面遇到的困难。第二篇论文 DocAtlas 提出了一个可变状态交互系统，将文档理解视为一个信息检索过程，提高了在长文档基准测试中的性能，特别是对于较小的模型。 AI

影响 这些进展可以显著提高 LLMs 处理复杂、冗长和不断演变的文本数据的能力，从而影响法律分析和软件文档等领域。

排序理由 arXiv 上发表的两篇研究论文介绍了用于 LLMs 长文档理解的新基准和系统。

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 →

新的基准和系统解决了大型语言模型在长文档理解方面的挑战

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Mahbub E Sobhani, Md. Faiyaz Abdullah Sayeedi, Fahmid Hasan Chowdhury, Md Adnan Arefeen, Farig Sadeque, Md. Faizul Bari, Swakkhar Shatabda ·

    时间现在与时间过去：在随时间演变文档理解方面对大型语言模型进行基准测试

    arXiv:2608.08512v1 Announce Type: new Abstract: Evolving documents, such as laws, tax codes, and software documentation, are amended, replaced, and sometimes reverted over time, so a question has different correct answers at different dates. In contrast to encyclopedic knowledge,…

  2. arXiv cs.AI TIER_1 English(EN) · Hongchen Wei, Yuanzhe Wang, Bei Liu, Yifan Yang, Qi Dai, Kai Qiu, Yunsheng Li, Dongdong Chen, Chong Luo, Zhenzhong Chen, Baining Guo ·

    DocAtlas：将长文档理解视为可变状态交互

    arXiv:2608.07527v1 Announce Type: cross Abstract: Long-document understanding requires models to find and combine evidence across many pages, layouts, tables, figures, and charts. Existing retrieval-augmented systems usually select evidence from a static index before generation, …

相关实体

相关话题