TAP-RAG：面向长文档多模态问答的任务感知策略控制

长文档多模态问答不仅需要检索相关片段，更需针对不同查询采取差异化的证据利用策略。现有系统常忽略查询特性，采用通用的证据使用方案。本文提出 TAP-RAG，一种任务感知的策略控制检索增强生成框架。其核心包含任务感知策略控制器（TAPC），能预测任务先验并生成可执行策略；以及两个策略引导的执行器：任务感知查询引导流扩散（TA-QFD）用于扩展文本与结构证据，任务感知视觉增强（TAVE）用于按需检查页面图像。实验表明该方法在多个基准上显著优于现有系统。