MAB-DQA：基于多臂赌博机处理文档问答中的查询子主题重要性
计算与语言
2026-04-17 v2 信息检索
摘要
文档问答（DQA）涉及根据用户查询从文档中生成答案，为文档理解的关键任务。该任务需要解释视觉布局，因而近期研究采用多模态检索增强生成（RAG）处理页面图像以生成答案。然而，在多模态 RAG 中，视觉 DQA 难以有效利用大量图像，因检索阶段常仅保留少数候选页面（如 Top-4），导致以视觉显著性较低但信息丰富的内容被忽略，优先选择常见但低信息的页面。为此，我们提出一种基于多臂赌博机的 DQA 框架（MAB-DQA），显式建模查询中多个隐式子主题的重要性差异。具体而言，MAB-DQA 将查询分解为子主题感知的子查询，为每个子查询检索子主题特定的候选集。将每个子查询视为一只臂，通过少量代表性页面的初步推理结果作为奖励信号，以估计子主题效用。结合探索-开发策略，MAB-DQA 动态重新分配检索预算，聚焦于高价值子主题。最终，结合最具信息性的页面及其相关性，生成预期结果。在四个基准测试上，MAB-DQA 相比最新方法平均提升 5%-18%，持续增强文档理解。代码已公开于 https://github.com/ElephantOH/MAB-DQA。
引用
@article{arxiv.2604.08952,
title = {MAB-DQA: Addressing Query Aspect Importance in Document Question Answering with Multi-Armed Bandits},
author = {Yixin Xiang and Yunshan Ma and Xiaoyu Du and Yibing Chen and Yanxin Zhang and Jinhui Tang},
journal= {arXiv preprint arXiv:2604.08952},
year = {2026}
}
备注
Accepted by ACL 2026. 20 pages, 9 figures, 6 tables