DocTrace: Ragionamento su Grafi di Evidenze Gerarchici per LongDocVQA
Un nuovo approccio chiamato DocTrace è stato sviluppato per migliorare il modo in cui tracciamo le informazioni nel Visual Question Answering su Documenti Lunghi (LongDocVQA). Questo metodo, descritto in un articolo arXiv (2608.03292), sposta l'attenzione sul ragionamento attraverso un grafo di evidenze esplicito invece di limitarsi a indovinare le risposte. DocTrace presenta un processo strutturato che include la localizzazione delle evidenze, l'analisi del documento e il ragionamento per chiarire da dove provengono le evidenze. Impiega un processo di addestramento in due fasi, che inizia con il Supervised Fine-Tuning (SFT) congiunto. Questo framework mira a superare i limiti delle tecniche attuali, come i Modelli Linguistici Multimodali di Grande Dimensione (MLLM) end-to-end e i sistemi di generazione aumentata da recupero (RAG), garantendo che le evidenze siano rappresentate e verificate accuratamente, migliorando infine l'accuratezza nei compiti LongDocVQA.
Fatti principali
- DocTrace è un framework gerarchico per LongDocVQA.
- Tratta LongDocVQA come un problema di ragionamento su grafi di evidenze espliciti.
- Il framework esegue la localizzazione delle evidenze, l'analisi strutturata del documento e il ragionamento su grafi di evidenze.
- Consente una provenienza esplicita delle evidenze.
- L'addestramento utilizza un framework a due fasi che inizia con il Supervised Fine-Tuning (SFT) congiunto.
- L'articolo è disponibile su arXiv con ID 2608.03292.
- Gli approcci esistenti includono MLLM end-to-end, pipeline RAG e agenti documentali.
- L'obiettivo è migliorare l'accuratezza e la tracciabilità delle risposte.
Entità
Istituzioni
- arXiv