DR Pixel: Page-Native Deep Research with Vision-Language Models

Đoạn trích bài viết

Các tài liệu phức tạp như các bài báo khoa học chứa thông tin phong phú trong các bảng, số liệu và phương trình; tuy nhiên, các agent nghiên cứu sâu (DR) hiện có thường làm giảm các bài báo thành văn bản được trích xuất bằng OCR. Thay vào đó, chúng tôi hỏi liệu các mô hình ngôn ngữ thị giác (VLM) có thể cho phép nghiên cứu sâu bản địa trang: trực tiếp retri.