Loud and Clear提升文档RAG中的视觉证据呈现

研究人员推出了 Loud and Clear（LoC），这是一种帮助 AI 系统利用文档问答检索页面中证据的方法。它将更高分辨率的页面图像与查询相关区域的文本结合起来，无需额外训练或真实标注。

论文报告的测试结果显示，LoC 在三项基准测试中均胜过此前的八种方法，其中在 SciEGQA 上比 ColQwen3 高出 8.88 分。作者还发现，即使已经检索到正确页面，增加视觉 token 预算也能提升准确率。