כתבה
arXiv cs.AI ·
TAEC: תיאום-מודע-למסלול של קואורדינציה של ראיות לצורך רצף-מרוב-שלבים ב-RAG ויזואלי
TAEC: Trajectory-Aware Evidence Coordination for Multi-Step Visual RAG
TAEC: תיאום-מודע-למסלול של קואורדינציה של ראיות לצורך רצף-מרוב-שלבים ב-RAG ויזואלי משפר את שימוש בראיות במהלך תהליך ההסברה. המאמר עוסק בפיתוח של TAEC, פרקטיקה חינם שאינה דורשת הכשרה, שמטרתה לקואורדינט קואורדינציה של ראיות לצורך רצף-מרוב-שלבים ב-RAG ויזואלי. TAEC עוקב אחר דרישות התשובה במצב-מסלול משותף כדי להנחות את הראיות שנכנסות לתפקיד, את הזיכרון הקולקטיבי שנשמר, ואת רמת הפרטים שבהן נבחן הראיות הוויזואליות. TAEC השיגה את התוצאות הטובות ביותר בפרוטוקול הבדיקה המאוחדת על ViDoSeek, SlideVQA, ו-MMLongBench-Doc, והציגה דיוק ממוצע גבוה ביותר על פני מספר דגמי תצוגה ויזואלי-לשונית פרטיפקטיבי.
תקציר מקורי באנגליתarXiv:2609.37349v1 Announce Type: cross Abstract: Multi-step visual retrieval-augmented generation (RAG) answers complex questions by repeatedly retrieving visual evidence, updating an intermediate state, and deciding whether to continue searching or answer. Yet retrieving relevant evidence does not ensure its effective use throughout the reasoning trajectory. As multi-step reasoning progresses, redundant sources occupy context capacity needed for missing evidence, observations tied to resolved requirements or unproductive searches linger in context, and visual sources are revisited with insufficient detail for fine-grained reading. We term this loss of usable evidence over a reasoning trajectory trajectory-level evidence utilization degradation. To address it, we propose Trajectory-Aware
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית