让RAG更聪明，ViDoRAG开启视觉文档检索增强生成新范式，上阿里云百炼可直接体验
视觉丰富文档的高效检索与生成是自然语言处理领域的重大挑战。ViDoRAG（Visual Document Retrieval-Augmented Generation via Dynamic Iterative Reasoning Agents）由阿里巴巴通义实验室、中国科学技术大学和上海交通大学联合提出，通过多智能体框架和动态迭代推理机制解决此问题。其核心包括多模态混合检索策略和多智能体生成流程，同时发布的ViDoSeek数据集，专为大规模文档集合设计，提供复杂推理与精准问答的评估基准。实验表明，ViDoRAG在准确率和效率上优于传统方法，未来将优化系统性能并降低计算成本。
