LongDocURL
PulseAugur coverage of LongDocURL — every cluster mentioning LongDocURL across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
D2-ScaleAgent 框架增强长文档理解能力
研究人员推出 D2-ScaleAgent，一个旨在增强对长篇幅且富含视觉信息的文档理解能力的新型框架。该智能体系统采用双维度缩放范式，根据查询难度动态调整检索和推理过程。它包含一个 Verifier 智能体，负责管理一个持续更新的证据库，从而实现外向缩放以进行扩展检索，以及内向缩放以进行细粒度推理，并具备自适应剪枝和子智能体选择功能。实验表明 D2-ScaleAgent 在 MMLongBench-Doc 和 LongDocURL 等…
-
新的基准和框架应对超长文档理解挑战
研究人员推出了两个新框架，以提高大型语言模型理解和回答超长文档问题的能力。DocTrace 专注于创建可追溯的证据图，展示信息在推理过程中是如何组成的，在 MMLongBench-Doc 等基准测试中取得了比现有模型显著的改进。另外，XL-DocBench 提供了一个新的人工验证的超长文档理解基准，其中包含跨越多达 2,303 页的问题，需要进行多文档比较，突显了当前系统在处理此类复杂任务时的困难。
-
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。
-
新的VLD-RAG框架增强了AI处理长篇、视觉文档的能力
研究人员开发了VLD-RAG，一个新颖的代理式框架，专为长篇、富含视觉信息文档的检索增强生成而设计。该系统构建了一个多模态索引，保留了页面布局，并结合了文本和视觉信号。通过采用结合关键词和语义搜索的混合检索策略，VLD-RAG能够识别相关的证据页面，并利用协调的代理工作流进行证据收集、引用验证和检索请求的迭代优化。在LongDocURL和MMLongBench-Doc等基准测试上的评估表明，与现有的基于视觉的方法相比，VLD-RAG在…
-
MAGE-RAG 框架增强长文档的多模态问答能力
研究人员推出 MAGE-RAG，一个旨在改进长文档多模态问答的新框架。该系统构建了一个自适应证据图，整合了文本、图像、表格和布局信息。在查询时，证据控制器动态选择和修剪相关信息，为大型语言模型创建紧凑、结构化的输入，从而平衡证据覆盖率和噪声抑制。
-
EviProp 方法通过图扩散改进长文档检索
研究人员开发了 EviProp，一种从长而富含视觉信息的文档中检索相关页面的新方法。与现有独立评估页面相关性的方法不同，EviProp 将文档建模为多模态的块-页图。它使用种子相关性扩散，结合查询-页面相似度与块级信号来提高检索准确性。在基准数据集上的实验表明，EviProp 的性能优于传统方法，并能带来更好的下游问答性能。