document-vqa

深度分析

DocSeeker：以ALR（Analysis—Localization—Reasoning）與證據感知強化長文件視覺理解

面對長文件理解的訊噪低與標註稀缺，DocSeeker以ALR（分析—定位—推理）流程與兩階段訓練強化證據定位，先由教師模型蒸餾結構化CoT作為監督，再以證據感知的策略優化提升定位與答案準確度；結果在多項長文件基準呈現明顯提升，且能與視覺RAG協同降低檢索噪音。