Forschende stellen Loud and Clear (LoC) vor, eine Methode, mit der KI-Systeme Belege auf Seiten nutzen können, die für die Beantwortung von Fragen zu Dokumenten abgerufen wurden. Sie kombiniert höher aufgelöste Seitenbilder mit Text aus für die Anfrage relevanten Bereichen – ohne zusätzliches Training oder Referenzannotationen.
In den im Paper beschriebenen Tests übertraf LoC acht bisherige Methoden in drei Benchmarks. Auf SciEGQA lag die Methode 8.88 Punkte vor ColQwen3. Die Forschenden stellten außerdem fest, dass ein größeres Budget für visuelle Tokens die Genauigkeit verbesserte, selbst wenn die richtigen Seiten bereits abgerufen worden waren.
Warum es wichtig ist
Für Teams, die Systeme zur Beantwortung von Fragen anhand von Dokumenten entwickeln, legen die Ergebnisse nahe, dass eine bessere Darstellung abgerufener Seiten für ein Modell hilfreich sein kann – auch wenn die Suche bereits die richtigen Seiten findet. Das Paper belegt jedoch nicht, wie gut LoC in realen Anwendungen funktioniert.
