SciMDR：基准测试与推进科学多模态文档推理

针对基础模型训练中科学多模态文档推理数据集在规模、忠实度与现实性之间的权衡挑战，本文提出“合成 - 重接地”框架。该框架包含两个阶段：首先进行以主张为中心的问答合成，生成忠实的独立问答对及推理链；随后通过文档级重接地，将这些内容程序化地嵌入全文任务以确保复杂性。基于此构建了含 30 万问答对的 SciMDR 训练集及专家标注的 SciMDR-Eval 基准。实验表明，经 SciMDR 微调的模型在需复杂文档级推理的科学问答任务中表现显著提升。