arXiv cs.CV· Eunchan Jo, Seounghyun Jang, Sangwoo Mo·· 7 小时前AI 评分43
Loud and Clear（LoC）：让多模态文档 RAG 中的视觉证据真正发挥作用
Loud and Clear: Making Visual Evidence Count in Multimodal Document RAG
AI 导读
多模态文档 RAG 方法 Loud and Clear（LoC）将更高分辨率页面与查询相关区域的 OCR 一起输入生成器，无需额外训练或标注。它在 SciEGQA、ViDoRe-v3、MMLongBench-Doc 上超越八种既有方法，较最强的 ColQwen3 分别提升 8.88、3.09、4.22 分。论文把瓶颈定位在生成端：页面预算从 1K 提到 32K 可提升 15.22 分。
来源：arXiv cs.CV · arxiv.org