面向长文档理解的分层证据驱动推理

检索增强生成（RAG）虽简化了长文档理解，但现有流程常因检索到无关干扰页及单阶段管道的刚性而失效。为此，本文提出 HIEVI-RAG，一种分层证据驱动的多模态 RAG 框架。该方法将复杂查询分解为四阶段协作流程：层级问题分解、粗略视觉页面检索、基于 EVIAGENT 的细粒度跨页验证，以及记忆引导的迭代生成。实验表明，该框架在四个基准测试中显著优于现有开源基线，平均准确率提升 8.05%。