DocFS

DocFS框架使用文件系统进行高级多模态文档问答

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。