DocSkill：多语言多跳文档问答智能体推理
热点事件持续更新
DocSkill：多语言多跳文档问答智能体推理
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
DocSkill 是一款结合技能编排策略的智能体框架，基于 Qwen3-VL-8B 模型构建。该系统在 MMHop-DocBench 基准测试中表现优异，取得了 41.0 的准确率和 49.2 的 F1 分数。该基准测试涵盖了 10 种语言和 8 个文档领域，共包含 6 万对问答数据。 为了优化模型性能，DocSkill 采用了有界蒙特卡洛树搜索（MCTS）生成轨迹，进而进行监督微调（SFT）和直接偏好优化（DPO）。相比当前最强的基线模型，DocSkill 在准确率上提升了 5.5 个百分点，在 F1 分数上提升了 6.3 个百分点，显示出其在多语言多跳文档问答任务中的显著优势。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
DocSkill：用于多语言多跳文档问答的技能集成智能体推理报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · NLPDocSkill：用于多语言多跳文档问答的技能集成智能体推理
DocSkill 是结合技能编排策略的智能体框架，基于 Qwen3-VL-8B 在 MMHop-DocBench 上准确率 41.0、F1 达 49.2。 利用有界 MCTS 生成轨迹进行 SFT 和 DPO 优化，该基准包含 10 种语言、8 个文档领域的 60K 问答对。 相比最强基线提升 5.5 点准确率和 6.3 点 F1。
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。