arXiv · AI· Jingxuan Wei, Zhengyang Wang, Zheng Guo, Xiaoming Wu, Fuqiang Wang, Xin Wang, Bihui Yu, Yining Wang, Junnan Zhu·· 10 天前AI 评分28
VisProve:通过类型化视觉溯源提升科学文档问答准确性
VisProve: Learning Typed Visual Provenance for Scientific Document Question Answering
AI 导读
VisProve 模型通过结合可微分空间证据读取与反馈,将科学文档问答的 Typed-F1 从 3.52 提升至 5.48。 该模型基于包含 3,941 个问题的 ReViE 数据集进行训练,采用门控范数受限残差连接条件化下一 token 预测。 实验表明,将视觉定位与支持关系建模相结合主要改善了细粒度溯源,揭示了答案生成与证据归因间的显著差距。
来源:arXiv · AI · arxiv.org