arXiv · cs.CL· Yufei Tong·· 4 天前AI 评分15
长文档视觉问答的任务中心综述：分类体系、演进与未来方向
A Task-Centric Survey of Long-Document Visual Question Answering: Taxonomy, Evolution, and Future Directions
来源与原文
arXiv · cs.CL
作者：Yufei Tong
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.31385v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
该综述以任务为中心，将长文档视觉问答（VQA）分解为文档解析、证据组织与检索、生成器组织与学习、评估四个组件，并为每个组件建立细粒度分类体系。时间分析显示研究重心从多模态内容理解扩展到高保真证据获取与持续证据管理。作者展望了证据充分性、可验证可纠正的理解、预算感知协调及持续文档理解等未来方向。
来源：arXiv · cs.CL · arxiv.org