multimodal-rag

本文介绍了GranuVistaVQA，一个带有元素级注释的多模态基准，以及GranuRAG，一个将视觉元素视为可验证多模态RAG的一等检索单元的框架，相较于基线实现了高达29.2%的提升。

本文介绍了KITE，一个基于检索增强生成（RAG）的智能辅导系统，用于AI教育中的算法推理和问题求解。该系统采用意图感知的苏格拉底式回应策略和多模态RAG，提供基于课程内容、符合教学法的反馈，并通过指标评估、专家评审和模拟学生交互进行评价。