💻 علوم الحاسوب
Visual, OCR-Text, and Hybrid Evidence Retrieval for Document Visual Question Answering: A Controlled Failure Analysis
تُظهر هذه الدراسة أنه في حين أن استرجاع الصفحات القائم على الرؤية يحسن بشكل كبير اختيار الأدلة وجودة الإجابات اللاحقة في مهام الأسئلة والأجوبة المرئية على المستندات مقارنة بالطرق المعجمية، إلا أن فجوات كبيرة في الأداء لا تزال قائمة بسبب قيود توليد الإجابات حتى عند توفير الصفحة الصحيحة، كما أن الدمج الهجين لا يقدم أي فائدة إضافية فوق المسترجعات المرئية القوية وحدها.