跳到正文
arXiv · 机器人与计算机视觉· Xiaokang Yuan, Binhui Yao, Luwei Yang, Ruimin Chen, Zeng Wang·· 2026-10-20精选AI 评分82

One Fact, Many Places:长文档中的冗余证据破坏单一黄金标准评估

One Fact, Many Places: Redundant Evidence in Long Visual Documents Breaks Single-Gold Evaluation of Retrieval, Citation and Attribution

AI 导读

该研究指出在长视觉文档中,事实常以图表重述或摘要复现等形式多次出现,导致基于单一黄金位置的评估失效。作者标注了 MMLongBench-Doc 和 MMDocRAG 基准中的 420 个问题及其独立证据位置,发现跨模态复制普遍存在且会显著低估检索召回率与引用准确性。研究提供了冗余感知指标与数据,以修正现有评测偏差。

推荐理由

作者标注了长文档中跨模态冗余证据,揭示单金标准低估召回与引用准确率,并开源相关指标。

来源:arXiv · 机器人与计算机视觉 · arxiv.org