面向长上下文文档问答的能力路由视觉检索与证据串联

英文标题：Capability-Routed Visual Retrieval and Evidence Threading for Long-Context Document Question Answering

该论文聚焦年度报告、尽调材料和信息图仪表盘等长文档中的视觉化数字信息检索与问答。作者指出，坐标轴、表格网格和脚注等关键信息常嵌入页面图像中，传统 OCR 流水线会将其扁平化处理，而页面级视觉检索器也往往无法区分不同的上下文示例。论文提出“能力路由视觉检索”和“证据串联”方法，用于改进长上下文文档问答中的证据定位与推理。该研究对需要从复杂企业文档中准确提取数字、图表和注释信息的开发者与行业应用具有参考意义。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB