# Loud and Clear, belge RAG sistemlerinde görsel kanıtı güçlendiriyor

> Bir arXiv makalesine göre, yapay zekâ sistemlerine daha yüksek çözünürlüklü sayfalar sunmak ve ilgili OCR metnini eklemek, üç belge soru-cevaplama ölçütünde yanıtları iyileştirdi.

Oossa · 2026-10-16 · https://oossa.com/tr/loud-and-clear-boosts-visual-evidence-in-document-rag

Araştırmacılar, belge soru-cevaplama sistemlerinin getirilen sayfalardaki kanıtlardan yararlanmasına yardımcı olan Loud and Clear (LoC) yöntemini tanıttı. Yöntem, ek eğitim veya doğrulanmış referans açıklamaları gerektirmeden yüksek çözünürlüklü sayfa görüntülerini sorguyla ilgili bölgelerden alınan metinle birleştiriyor.

Makalede aktarılan testlerde LoC, üç kıyaslama ölçütünün tümünde sekiz önceki yöntemi geride bıraktı; SciEGQA’da ColQwen3’ü 8.88 puan geçti. Yazarlar, doğru sayfalar zaten bulunmuş olsa bile görsel belirteç bütçesini artırmanın doğruluğu yükselttiğini de saptadı.

## Gerçekler

- Makale, LoC’nin ColQwen3’e kıyasla SciEGQA’da 8.88, ViDoRe-v3’te 3.09 ve MMLongBench-Doc’ta 4.22 puanlık iyileşme sağladığını bildiriyor.
- arXiv kaydında makalenin tarihi 16 Ekim 2026 olarak belirtiliyor.

## Neden önemli

Belge soru-cevaplama sistemleri geliştiren ekipler için sonuçlar, doğru sayfalar zaten bulunmuş olsa bile bu sayfaların modele sunuluş biçimini iyileştirmenin fayda sağlayabileceğine işaret ediyor. Ancak makale, LoC’nin gerçek dünyadaki kullanımlarda ne kadar iyi çalıştığını ortaya koymuyor.

## Kaynaklar ve referanslar

1. [Loud and Clear: Making Visual Evidence Count in Multimodal Document RAG](https://arxiv.org/abs/2610.21318) – arXiv cs.CV, 2026-10-16

Son güncelleme: 2026-10-16