文档QA综述：关于多页文档，多模态，检索增强最新的进展

一：PDFTriage

题目: PDFTriage: Question Answering over Long, Structured Documents
机构：斯坦福大学，Adobe Research
论文: https://arxiv.org/pdf/2309.08872.pdf
任务: 结构化文档QA
Motivation：解决ChatGPT等大语言模型在处理长篇、结构复杂的文档（如PDF、网页、演示文稿等）回答不准的问题，之前的方法会存在如下的一些问题：

1. 上下文窗口限制，一次只能处理有限tokens数目，因此需要先进行文档预处理以及分割；
2. 文档结构化信息利用不足，比如页面，标题，表格等；查询不准确；信息获取不全；

方法：PDFTriage通过允许模型基于结构或内容检索上下文来缓解上述问题。它首先将PDF转化为结构化文档元数据，为模型提供了关于文档结构的信息，然后通过使用一系列基于模型的可调用检索