PulseAugur
中
实时 10:49:00
English(EN) MARDoc: A Memory-Aware Refinement Agent Framework for Multimodal Long Document QA

MARDoc框架通过结构化记忆增强多模态长文档问答能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为MARDoc的新框架，旨在提高长篇多模态文档的问答能力。MARDoc利用三个专业代理——探索者（Explorer）、精炼者（Refiner）和反思者（Reflector）——来管理检索、记忆提炼和证据检查。这种方法将交互痕迹分解为结构化记忆，减少了上下文噪音，并与维护单一累积上下文的系统相比，提高了多跳推理的准确性。在基准数据集上的实验表明，MARDoc的有效性优于现有方法。 AI

影响 引入了一个新颖的代理框架，有望改进AI系统处理和回答长篇多模态文档问题的能力。

排序理由 该集群包含一篇研究论文，详细介绍了用于多模态长文档问答的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Kaifeng Chen, Hongtao Liu, Qiyao Peng, Jian Yang, Yongqiang Liu, Xiaochen Zhang, Qing Yang ·

    MARDoc：用于多模态长文档问答的记忆感知精炼代理框架

    arXiv:2606.05749v1 Announce Type: new Abstract: Iterative retrieval-reasoning agents have recently shown promise for multimodal long-document question answering. However, most existing systems maintain a single growing context that mixes retrieval traces, observations, and interm…

相关实体

相关话题