跳到正文
arXiv · NLP· Ghazal Khalighinejad, Raghuveer Thirukovalluru, Alexander H. Oh, Bhuwan Dhingra·· 2026-10-15AI 评分27

ArXivDoc 基准研究显示文档图像表示在科学检索中表现不佳

Document-as-Image Representations Fall Short for Scientific Retrieval

AI 导读

新基准 ArXivDoc 基于 LaTeX 源码构建,系统性比较了文本、图像及多模态表示在科学文档检索中的表现。 结果证实基于图像的文档表示随文档长度增加持续次优,文本表示对图形查询最有效,文本加图像交错表示优于纯图像方法。 该研究强调现有图像偏好范式不适用于富含文本的多模态科学文档,证据分散于文本、表格与图表中。

来源:arXiv · NLP · arxiv.org