arXiv · cs.AI· Lewei Xu, Yihao Ding, Zihan Xu, Daniel Yitian Su, Daochang Liu, Siwen Luo, Yifan Peng, Wei Liu·· 6 小时前
多页视觉文档理解系统失败的实证归因研究
Locating Failure in Multi-Page Visually Rich Document Understanding Systems: An Empirical Attribution
arXiv:2608.07943v2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：Lewei Xu, Yihao Ding, Zihan Xu, Daniel Yitian Su, Daochang Liu, Siwen Luo, Yifan Peng, Wei Liu
研究任务与主要进展
作者提出一套实证归因框架，通过统一文档问答流水线中的受控干预，定位多页视觉文档理解系统的失败环节。基于论文摘要，在MMLongBench-Doc及跨数据集、跨模型检查中，图像可缓解解析器错误，提取文本可降低对视觉分辨率的依赖；加入相关的非标注页面既可能纠正错误，也可能破坏正确答案。拒答机制以无依据回答换取误拒绝，其效果还随推理指令和模型骨干而变化。
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