研究人员开发了一种新颖的长上下文文档问答系统,特别适用于包含图表和信息图等视觉元素的文档。该系统名为VisRAG-Ret,利用冻结的Qwen2.5-VL-7B-Instruct模型,并包含三个新模块:一个能力感知视觉路由器(CAVR)用于分类页面类型,一个弱到强页面选择(WSPS)机制用于提炼答案可得性,以及一个视觉证据链(VET)用于为生成器创建布局锚定的路径。这种方法显著提高了在DocVQA、ChartQA和MMLongBench-Doc等各种文档视觉问答基准测试上的性能。 AI
影响 提高了视觉文档问答任务的准确性,可能有助于分析复杂的报告和信息图。
排序理由 该项目是一篇研究论文,详细介绍了一种新的文档问答系统和方法论。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →