DocVQA2026

新的VQA系统增强文档理解和教育推理能力

研究人员开发了两种新的多模态视觉问答（VQA）系统方法。第一种，Q-Guide，使用一个小代理通过确定缺少哪些信息，然后调用目标工具来检索信息，从而智能地获取证据，在DocVQA2026和Manga109数据集上表现优于现有方法。第二种，GRACE，通过使用教学状态线索来专门化轻量级语言和视觉适应，专注于教育VQA，提高了在ScienceQA基准测试上的准确性。