研究人员推出了一种新颖的HAM-RAG框架，旨在通过保留文档的层级结构来改进多模态检索增强生成。与先前展平结构化内容的方法不同，HAM-RAG利用文档层级结构作为基础信号，以维持局部文本-图像逻辑和源组织。这种方法显著提高了生成内容的准确性和忠实度，特别是对于科学论文和食谱等复杂文档，在多模态平均值和文本-图像对齐方面显示出实质性改进。 AI
影响 增强了多模态AI助手在结构化文档方面的忠实度和准确性。
排序理由 该集群描述了一篇介绍新颖框架和多模态AI基准测试的研究论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2608.14032v1 Announce Type: cross Abstract: Existing multimodal RAG methods often flatten structured documents into isolated text and image units, weakening the source organization and local text-image logic needed for faithful evidence selection and placement. We propose H…
Existing multimodal RAG methods often flatten structured documents into isolated text and image units, weakening the source organization and local text-image logic needed for faithful evidence selection and placement. We propose HAM-RAG, a Hierarchy-Aware Multimodal RAG framework…