多页富文档理解系统失败归因框架提出

Lewei Xu等作者提出一项实证归因框架，通过在统一文档问答流程中做受控干预，定位多页富视觉文档理解系统的失败环节。 在 MMLongBench-Doc 上的实验显示：图像可缓解解析器错误，提取文本则降低对视觉分辨率的依赖；加入相关非金标页面既能修复错误答案也会破坏正确答案，即使标注证据齐全，仍揭示出聚合准确率之下的不稳定性。弃答以减少无支撑回答换取误拒，其与推理指令的交互因骨干模型而异。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。