标签
这是一篇 DocInsights 2026 共享任务的系统论文，介绍了 EviCalc——一个 PDF 文档问答流水线，将证据段落选择与 LLM 生成的算术表达式（在本地代码中执行）相结合。论文报告了 EviCalc 在 DocSem 测试集上 8.61% 的联合准确率，并给出了描述性的失败分析，包括 OCR 错误和块分组错误导致相关段落被错误合并的问题。
本文系统地评估了多模态文档问答的输入表示（图像、文本或两者），发现图像可以提高准确性但增加延迟，并提出了一种TF-IDF路由机制来优化性能。
作者描述了使用Superlinked的推理引擎将四个小AI模型从独立服务整合到单个服务器上，以减少运维开销，同时讨论了GPU共享和爆炸半径等权衡问题。
DocHop 引入了一个基准，用于评估信息密集文档中的多跳推理，重点是多模态大语言模型中的图表上下文集成，实验表明模型与人类性能之间存在显著差距。
推荐5个开源RAG工具（RAGFlow、AnythingLLM、Onyx、Khoj、kotaemon），可零代码将文档变成可问答的知识库，各具特色。
一位用户寻求PDF预处理工具推荐，以提升本地大语言模型文档问答的输入质量。该用户比较了pymupdf、pdfplumber、docling和llamaparse，用于处理表格、多栏文本等杂乱布局。
一项对比测试，将具备视觉能力的LLM（原生PDF阅读模式）与基于OCR的流程在30份长且图片密集的PDF上进行比较，发现带有布局提取的OCR在图表/表格密集的页面上仍优于视觉模型，且失败率为0%，而原生PDF为7%，尽管样本量较小且许多差距在噪声范围内。