DocMemo: 動的メモリで長文理解を革新、マルチモーダル文書の証拠探索を効率化

数百ページに及ぶマルチモーダル文書の理解は、散在する異種証拠の特定が課題です。従来のシステムは静的な検索や脆弱なメモリに限界がありました。今回発表されたDocMemoは、動的な証拠探索を可能にするフレームワークです。3つのレベルのメモリを活用し、ベイジアン更新でページ関連性を継続的に洗練。これにより、長文理解におけるSOTA性能を達成し、文書理解の新たな可能性を切り開きます。