arXiv · cs.AI· Qian Chen, Xianyin Zhang, Lifan Guo, Chi Zhang·· 11 小时前
复杂长文档标题层级重建的逐层多模态记忆方法
Heading Hierarchy Reconstruction for Complex and Long Documents with Level-Wise Multimodal Memory
arXiv:2610.18238v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Qian Chen, Xianyin Zhang, Lifan Guo, Chi Zhang
研究任务与主要进展
作者提出基于视觉语言模型的逐层多模态记忆框架，通过增量处理页面重建复杂长文档的标题层级。该方法从已处理页面中保留锚点，文中选择每个层级最近的节点，以利用各层标题的视觉、文本和布局模式；作者还构建了包含250篇文档和11,112页的CLDoc-HHRBench，并在其及三个现有基准上报告了方法效果，但摘要未提供具体指标。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org