ホーム 話題 library logo ライブラリ 自分
詳細表示

聚焦结构化注意力，探索提升多模态大模型文档问答性能

摘要

多模态大语言模型在文档问答任务中面临理解挑战，传统无结构OCR输入导致注意力分散。通过结构化输入方法，保留文档层次与空间关系，显著提升模型性能。实验验证，结构化输入在复杂图表任务中效果尤为突出，为智能文档处理提供高效解决方案。

阅读原文 84 海报分享
关联话题： #vivo

欢迎在评论区写下你对这篇文章的看法。

评论

ホーム - Wiki
Copyright © 2011-2025 iteam. Current version is 2.146.0. UTC+08:00, 2025-09-11 04:35
浙ICP备14020137号-1 $お客様$