TETHER:免训练目录锚定长文档层级抽取框架
热点事件持续更新
TETHER:免训练目录锚定长文档层级抽取框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Yu Zou 等作者提出免训练框架 TETHER,将文档目录作为结构先验:先用 LMM 构建文档骨架,再通过锚点对齐把内容块绑定到骨架上,从而恢复设计驱动长文档的层级结构。 作者称,在多语言 ESG 报告、产品手册和年报基准上,TETHER 取得零样本层级恢复的 SOTA 效果,优于深层级恢复模型、专用解析器和通用 LMM;相比端到端基线,它减少 90% token 并大幅提速。
AI 根据报道生成 · 1 小时前更新
最新进展11月20日 13:00
TETHER:面向设计驱动长文档的免训练、弹性、以目录为锚的层级抽取与恢复框架报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.CLTETHER:面向设计驱动长文档的免训练、弹性、以目录为锚的层级抽取与恢复框架
TETHER 是一个免训练框架,把目录(ToC)当作结构先验,通过 LMM 构建文档骨架、再用锚点对齐把内容块绑定到骨架上,实现设计驱动长文档的层级恢复。在多语言 ESG 报告、产品手册和年报基准上,它取得 SOTA 零样本层级恢复效果,优于深层级恢复模型、专用解析器和通用 LMM。相比端到端基线,TETHER 减少 90% token 并大幅提速。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。