Skip to content
Hot eventLive

研究揭示文档VLM检索-阅读差距

1 reports1 sources16 hr ago updated

Get the story

AI overview

2026年10月5日，arXiv计算机视觉方向发布一手研究，提出“检索—阅读鸿沟”概念：文档视觉语言模型（VLM）即使检索到正确页面，也常常不利用其中证据。研究团队构建了带可追溯证据的 FoveaDoc-Bench。实验显示，检索几乎覆盖全部证据页，但加入 CPU-OCR 文本后，严格准确率提升13至16个百分点；使用精确文本层时，增益约翻倍。该结果表明，检索成功并不等于阅读有效，文本提取质量对文档VLM表现有显著影响。

Generated from reports · updated 16 hr ago

LatestOct 5
新研究提出检索—阅读鸿沟，CPU-OCR文本使严格准确率提升13至16个百分点。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Computer Vision
    检索到却读不懂：提取文本何时弥合文档视觉语言模型的检索—阅读鸿沟

    研究提出检索—阅读鸿沟：文档视觉语言模型（VLM）即使检索到正确页面，也常不利用其中证据。在带可追溯证据的 FoveaDoc-Bench 上，检索几乎覆盖全部证据页，但加入 CPU-OCR 文本使严格准确率提升 13 至 16 个百分点，精确文本层约使增益翻倍。

Heat trend

Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.