DocPilot：面向长文档理解的多模态Agent框架
热点事件持续更新
DocPilot：面向长文档理解的多模态Agent框架
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
HKUSTDial团队（Zhuowen Liang、Xiaotian Lin、Yuyu Luo、Haixun Wang、Nan Tang等）在arXiv发布论文，提出DocPilot——一个面向长视觉文档问答的智能体框架，并开源代码。 框架通过页面级导航和细粒度证据定位，编排视觉检查、代码数值推理与跨模态推理；作者还提出从单项能力学习到自适应编排的课程式训练方法，称其使小语言模型也能学会解决复杂文档任务。 基于论文摘要，DocPilot在MMLongBench-Doc、DocBench、FinRAGBench-V和MADQA上取得较强增益，DocPilot-4B与更大模型相比具有竞争力；以上为作者报告的结果，尚未经独立验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
DocPilot：面向长视觉文档理解的交互式智能体编排与训练报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIDocPilot：面向长视觉文档理解的交互式智能体编排与训练
DocPilot是一种面向长视觉文档理解的智能体框架，通过页面级导航和细粒度证据定位编排视觉检查、代码数值推理与跨模态推理。作者还提出从单项能力学习到自适应编排的课程式训练；基于论文摘要，DocPilot在MMLongBench-Doc、DocBench、FinRAGBench-V和MADQA上取得较强增益，DocPilot-4B相较更大模型具有竞争力。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月16日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
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。