研究人员开发了DocFS,一个利用文件系统结构来增强视觉语言模型(VLMs)多模态文档问答能力的新型框架。通过将文档组织成文件系统,其中目录代表章节层级,链接连接多模态内容,DocFS为代理提供了直观的导航和信息检索工具。当与Qwen3.5-Plus模型配对时,DocFS在MMLongBench-Doc和FinRAGBench-V基准测试中取得了最先进的成果,在准确性和效率方面均有显著提升。 AI
影响 该框架可以改进AI代理处理和回答复杂多模态文档问题的能力。
排序理由 该集群包含一篇详细介绍新框架及其在基准测试中表现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →