论文提出多页文档理解系统失败归因框架

1. 12:00
   arXiv · cs.AI

   多页视觉文档理解系统失败的实证归因研究

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。