DocMemo：基于贝叶斯更新的多模态长文档记忆检索框架

_reachsumit · x · 2026-08-10

长文档理解要求系统能在数百页中定位稀疏且异构的证据，而现有方法多受限于静态检索和脆弱的跨轮记忆。为此，该论文提出了 DocMemo 框架，将长文档推理视为动态证据探索过程。

DocMemo 维护了一个三层检索状态记忆：文档模式记忆、页面置信记忆和问题情景记忆。在推理过程中，模型通过结合汤普森采样的贝叶斯页面置信度更新、空间邻近传播以及结构感知的自适应粒度证据访问，不断优化跨轮页面选择。实验表明，该方法在三个基准测试中均达到了 SOTA 表现。