ORCA：面向文档视觉问答的协同智能体编排推理

文档视觉问答（DocVQA）在复杂推理和多步工作流中仍具挑战，现有方法难以分解问题或利用专用处理路径。本文提出 ORCA，一种通过战略协调与迭代优化解决该问题的多智能体框架。ORCA 首先利用推理智能体将查询分解为逻辑步骤，随后通过路由机制激活专用智能体库中的任务特定智能体。该框架利用专注于不同模态的智能体集，实现跨文档组件的细粒度理解与协同推理。为确保答案可靠性，ORCA 采用包含压力测试的辩论机制及正反论证裁决过程，并辅以格式一致性检查。实验表明该方法显著优于现有技术。