HierDoc

HierDoc框架增强长文档视觉问答能力

研究人员开发了HierDoc，一个用于长文档视觉问答的新型框架，通过采用分层方法来改进证据检索。该方法首先从文档中选择相关页面，然后在这些页面中识别特定区域进行详细分析。这种使用GRPO和结构化集奖励优化的两阶段过程，与之前将页面和区域选择分开处理的方法相比，能够更精确地获取证据。HierDoc在相关基准测试中展示了最先进的性能，优于现有的开源系统，并显示出显著的准确性提升。