标签
本文提出了 TETHER,一种无需训练的两阶段神经符号框架,将目录作为结构先验,结合大型多模态模型,提取并恢复篇幅较长、以设计为导向的文档中的层级结构。该框架取得了最先进的零样本性能,相较于端到端基线方法,词元用量减少了 90%。
Manticore Search 引入了针对向量搜索的自动文档分块功能,通过将长文档分割为多个分块并为每个分块生成嵌入向量,从而提升长文档的召回率。
本文提出 VLD-RAG,一种用于在长篇幅、视觉丰富文档上进行问答的智能多模态检索增强生成框架。它使用保留页面的索引和验证器引导的智能体工作流,改进跨页证据检索和推理,在 LongDocURL 和 MMLongBench-Doc 等基准测试上优于以往的基于视觉的基线方法。