CiteVQA: Присвоение доказательств для сбора достоверной информации о документах

arXiv: 2605.12882v2 Annuales Type: заменить перекрестное резюме: мультимодальные крупные языковые модели (MLMs) имеют значительное улучшение в понимании документов, однако текущие оценки Doc-VQA дают лишь окончательный ответ и оставляют неконтролируемыми подтверждающие доказательства. Такой подход маскирует критическую неисправность: модель может приземлиться на правильный ответ, в то время как она застряла в неправильном проходе - критический риск в таких областях с высоким процентом, как право, финансы и медицина, где каждый вывод должен быть отследен для конкретного исходного региона. Для решения этой проблемы мы введем CiteVQA, ориентир, который требует от моделей возвращать ссылки на связующий ящик \текстит {элемент-уровень} вместе с каждым ответом и оценивать оба совместно. CiteVQA включает в себя 1897 вопросов по 711 PDF, охватывающих семь доменов и два языка. В целях обеспечения верности и масштабируемости ссылки на земную правду генерируются автоматизированным трубопроводом, который выявляет важные доказательства посредством маскировки абляции.