ViDR：将多模态深度研究报告锚定于源视觉证据

针对现有深度研究系统过度依赖文本证据或多模态利用不足的问题，本文提出 ViDR 框架。该框架将源图表视为可检索、可解释及可验证的证据对象，通过构建证据索引大纲、上下文感知过滤及视觉语言模型分析，将噪声图像转化为高质量证据原子。ViDR 还能验证视觉引用以减少幻觉，并引入 MMR Bench+ 基准评估视觉证据的使用。实验表明，该方法显著提升了报告质量、证据整合度及可验证性。