arXiv · 机器人与计算机视觉· Kejun Xue, Ang Li, Jinghua Tang, Xincheng Wang, Yongbin Gao, Yanghua Xiao, Zhijun Fang·· 3 天前精选AI 评分84
DoubleTake:面向长文档理解的视觉证据聚焦验证方法
DoubleTake: Focused Verification of Visual Evidence for Long-Document Understanding
AI 导读
针对长文档问答中模型即使检索到充分证据仍可能回答错误的问题,论文提出了 DoubleTake 框架。该方法无需训练,利用初始阅读生成的候选答案与证据记录指导二次检索,通过规划器生成事实性问题、验证器基于源图像盲答以及推理器整合观察结果来解决原始问题。
推荐理由
DoubleTake 框架在冻结 Qwen3-VL-8B-Instruct 骨干上,通过二次聚焦验证显著提升了长文档问答的准确率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org