提出基于VLM的逐层记忆长文档标题层级重建框架与基准

作者（Qian Chen 等）发布论文，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。记忆模块从已处理页面中经锚点选取保留紧凑子集，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。 作者同时构建了包含250篇文档、11,212页、经专家校验标注的CLDoc-HHRBench基准，并在该基准及三个现有基准上报告方法效果；基于论文摘要，具体指标未提供。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。