标签
MM-BizRAG 是一个面向企业问答的多模态检索增强生成系统，通过文档结构感知分割和版式感知解析，在异构企业文档上的表现比以视觉为中心的基线方法最高提升 32%。该论文还提出了 FastRAGEval——一种基于 LLM 的高效评估指标，其与人类判断的对齐程度优于 RAGChecker，且成本更低。
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。