MM-BizRAG：重构多模态RAG以优化企业通用问答
原标题：MM-BizRAG: Rethinking Multimodal Retrieval-Augmented Generation for General Purpose Enterprise Q&A
速览
针对多模态检索增强生成（MM-RAG）忽视复杂企业文档结构的问题，MM-BizRAG提出了一种直接提取文档结构的方法。该方法通过感知布局的拆分策略，动态将文档路由至垂直或水平处理管道，并结合LLM驱动的统一转换流水线保持阅读顺序。实验表明，该方法在多个基准测试中比现有视觉基线性能提升高达32个百分点，并引入了高效的评估指标FastRAGEval。
AI 深度解读
AI 正在阅读原文并生成深度解读…（首次约 20–40 秒，之后秒开）
查看原文 →arxiv.org