URaG: Unified Retrieval and Generation in Multimodal LLMs for Efficient Long Document Understanding
专题命中 文档图表理解 ：multimodal large language model(abstract)；MLLM(abstract)
Comments Accepted by AAAI 2026 (Oral)
AI 大模型
视觉大模型 / VLM
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
1. 文档图表理解 2 篇
MosaicDoc: A Large-Scale Bilingual Benchmark for Visually Rich Document Understanding
机构 * Ketong Chen, Yuhao Chen, Yang Xue（作者）
专题命中 文档图表理解 ：vision-language model(abstract)；分类 cs.CV
