研究人员开发了一个新的框架,使用视觉语言模型(VLMs)来重建复杂长文档中的标题层级。这种方法解决了当前VLMs因输入分辨率和上下文长度限制而在处理整个文档时存在的局限性。所提出的方法采用层级化多模态记忆,以保留先前处理过的页面的关键信息,从而实现一致的文档级结构分析。为了评估其有效性,创建了一个新的基准测试CLDoc-HHRBench,其中包含250份文档和超过11,000页,并附有专家注释。 AI
影响 这项研究可以提高AI系统理解和处理长而复杂文档的能力,从而增强RAG和文档摘要等应用。
排序理由 该项目是一篇学术论文,详细介绍了一种新的文档分析方法和基准测试。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX Code Finder for Papers
- CLDoc-HHRBench
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- retrieval-augmented generation
- ScienceCast
- scite Smart Citations
- vision-language model
- Vision--Language Models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →