跳到正文
arXiv · NLP· Zhuchenyang Liu, Yao Zhang, Yu Xiao·· 2 天前AI 评分36

无坐标或区域标签的视觉文档理解中的证据归属研究

Evidence Attribution in Visual Document Understanding without Coordinates or Region Labels

AI 导读

研究表明,将视觉文档理解的证据归属接口从坐标输出改为语言引用接口,可显著提升证据召回率并降低幻觉率。 在CiteVQA子集上,证据召回率提升至26至47之间,幻觉率减半且答案质量变化不大;结合GRPO训练框架,8B骨干模型的严格归属准确率从22.4提升至33.8。 该研究为无需坐标接口及昂贵区域级监督即可改进归属提供了实用路径。

来源:arXiv · NLP · arxiv.org