摘要
长文档理解需定位稀疏异构证据,现有系统受限于静态检索和脆弱的跨轮次记忆。为此,本文提出DocMemo,一种将长文档推理建模为动态证据探索的记忆引导框架。DocMemo维护包含文档模式记忆、页面信念记忆和问题情景记忆的三级检索状态,分别捕捉结构先验、动态相关性估计及查询特定推理轨迹。在推理过程中,通过贝叶斯页面信念更新(结合汤普森采样)、空间邻近传播及结构感知自适应粒度证据访问,持续优化跨轮次页面选择,并补充细粒度视觉区域证据。实验表明该方法在三个基准上达到SOTA性能。
AI 推荐理由
论文核心提出基于概率记忆的检索框架,构建三级记忆状态以管理跨轮次证据发现与推理轨迹。
研究机构
哈尔滨工业大学
清华深圳国际研究生院
论文信息