論文の概要: XL-DocBench: Benchmarking Evidence-Grounded Extra-Long Document Understanding

• arxiv url: http://arxiv.org/abs/2608.00036v1
• Date: Tue, 21 Jul 2026 09:38:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-09 10:00:34.260156
• Title: XL-DocBench: Benchmarking Evidence-Grounded Extra-Long Document Understanding
• Title（参考訳）: XL-DocBench: 証拠を取り巻くドキュメント理解のベンチマーク
• Abstract要約: XL-DocBenchは、超長期文書理解のための完全に人間検証されたベンチマークである。 1,519人は6つの専門ドメインと2,303ページまでのコンテキストからの質問を保持した。 各質問には、12の推論ラベル、専門家による注釈付きエビデンスページ、型付き検証ルール、回答フォーマットの1つがある。
• 参考スコア（独自算出の注目度）: 66.6175918865927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world document tasks often ask professionals to answer questions from annual reports, regulations, clinical guidelines, and technical manuals that span hundreds or thousands of pages. Some questions also require comparing related reports. Reliable long-document understanding is therefore a prerequisite for using LLMs in compliance, clinical, financial, and engineering workflows, where decisions must be traceable to specific evidence pages and the cost of an unsupported answer is high -- yet most existing benchmarks still measure short-context or single-page QA. We introduce XL-DocBench, a fully human-verified benchmark for extra-long document understanding, with 1,519 retained questions from six professional domains and contexts up to 2,303 pages. XL-DocBench goes beyond page-level lookup. 1,103 examples (72.6\%) use multiple evidence pages. The final set also includes 556 questions (36.6\%) that use tables, charts, or figures, and 165 questions (10.9\%) that require evidence from multiple documents. Each question has one of twelve reasoning labels, expert-annotated evidence pages, a typed verification rule, and an answer format, including 218 None-answer cases. We build the benchmark with a tree-guided synthesis pipeline followed by artifact filters and full verification by 194 human experts. By coupling extra-long professional contexts with page-level evidence and typed rules, XL-DocBench fills a gap left by prior single-page, short multi-page, or text-only long-context benchmarks, and lets future work attribute system failures to retrieval, evidence use, or rule following rather than to a single leaderboard score. The results show that current systems still struggle with long contexts, multi-page evidence, and structured reasoning over professional documents.
• Abstract（参考訳）: 現実の文書タスクは、専門家に毎年の報告書、規則、臨床ガイドライン、数百ページから数千ページに及ぶ技術マニュアルからの質問に答えるよう求めることが多い。 いくつかの質問は関連するレポートを比較する必要がある。 したがって、信頼性の高い長期文書理解は、特定のエビデンスページに決定をトレースし、未解決の回答のコストが高いため、コンプライアンス、臨床、財務、エンジニアリングのワークフローでLLMを使用するための必須条件である。 我々は、XL-DocBenchを紹介した。XL-DocBenchは、XL-DocBench、XL-DocBench、XL-DocBench、XL-DocBench、XL-DocBench、XL-DocBench、XL-DocBench、XL-DocBench、XL-DocBench、XL-DocBench、XL-DocBench、XL-DocBench。 XL-DocBenchはページレベルのルックアップ以上のものだ。 1,103 の例 (72.6 %) は複数のエビデンスページを使用する。 最終セットには、テーブル、チャートまたは数字を使用する556の質問 (36.6\%) と、複数の文書から証拠を必要とする165の質問 (10.9\%) が含まれている。 各質問には、12の推論ラベルのうちの1つ、専門家がアノテートしたエビデンスページ、型付き検証ルール、218のNone-inwerケースを含む回答形式がある。 木誘導合成パイプラインでベンチマークを構築し、続いてアーティファクトフィルタと194人の専門家による完全な検証を行った。 XL-DocBenchは、ページレベルのエビデンスと型付きルールを結合することによって、以前のシングルページ、短いマルチページ、あるいはテキストのみのロングコンテキストのベンチマークによって残されたギャップを埋め、将来の作業属性システムの障害を検索、エビデンスの使用、ルールに従うことを可能にします。 その結果、現在のシステムは、長い文脈、複数ページの証拠、およびプロの文書に対する構造化された推論に未だに苦戦していることが明らかとなった。

関連論文リスト

• Trace Only What You Need: Structure-Aware On-Demand Hypergraph Memory for Long-Document Question Answering [11.17007249581283]
  長い文書の質問応答は、長い文書に散在する証拠を推論するために大きな言語モデルを必要とする。 既存の構造化RAG手法には,コストのかかるクエリ非依存の知識組織,オリジナルドキュメント構造の使用不足,歴史的推論経験の再利用の3つの制限がある。 本稿では、問合せトリガードナレッジ組織、文書構造認識、経験誘導推論をサポートする長期文書QAのためのマルチエージェントRAGフレームワークDocTraceを提案する。
  論文  参考訳（メタデータ） (2026-06-09T14:29:06Z)
• Dr. DocBench: A Comprehensive Benchmark for Expert-Level and Difficult Document Parsing [53.41293908252118]
  我々は、エキスパートレベルの文書解析のための困難を意識したベンチマークであるDocBench博士を紹介する。 Dr. DocBenchは52のBISACドメインにまたがり、障害ベースのサンプリングによってドキュメントを選択する。 約100ページにわたる長いドキュメントから4,514ページの注釈付きページが含まれており、レイアウト、読み込み順序、階層的関係、ドメイン固有のビジュアルコンテンツなど、65kの高品質なアノテーションがある。 本分析では,文書インテリジェンスを診断・進展するための総合的なテストベッドとしてDocBench博士が注目されている。
  論文  参考訳（メタデータ） (2026-05-31T18:35:30Z)
• Navigating Large-Scale Document Collections: MuDABench for Multi-Document Analytical QA [25.155696504567718]
  本稿では,大規模半構造化文書コレクションに対する解析的質問応答の課題について紹介する。 マルチドキュメント分析QAのベンチマークである MuDABench を提案する。
  論文  参考訳（メタデータ） (2026-04-24T05:28:51Z)
• Doc-V*:Coarse-to-Fine Interactive Visual Reasoning for Multi-Page Document VQA [71.42483000929614]
  複数ページのドキュメント 視覚的質問回答は、長い、視覚的に密集したドキュメントにおける意味論、レイアウト、および視覚的要素の推論を必要とする。 我々は,多ページDocVQAをシーケンシャルエビデンスアグリゲーションとしてキャストするtextbfOCRフリーエージェントフレームワークであるDoc-$V*$を提案する。
  論文  参考訳（メタデータ） (2026-04-15T11:12:27Z)
• MMDocIR: Benchmarking Multimodal Retrieval for Long Documents [44.02536756069517]
  この研究は、ページレベルとレイアウトレベルの検索という2つの異なるタスクを含むMMDocIRという新しいベンチマークを導入する。 MMDocIRベンチマークは、専門家によって注釈付けされた1,685の質問と、ブートストラップ付きラベル付き173,843の質問を含む、豊富なデータセットで構成されている。
  論文  参考訳（メタデータ） (2025-01-15T14:30:13Z)
• MMLongBench-Doc: Benchmarking Long-context Document Understanding with Visualizations [105.10376440302076]
  MMLongBench-Doc は 1,062 のエキスパート注釈付き質問を含む長文マルチモーダルベンチマークである。 130の長いPDFフォーマットの文書の上に構築されており、平均49.4ページと20,971のテキストトークンがある。 14個のLVLMの実験により、長いコンテキストのDUが現在のモデルに大きく挑戦することを示した。
  論文  参考訳（メタデータ） (2024-07-01T17:59:26Z)
• PDFTriage: Question Answering over Long, Structured Documents [60.96667912964659]
  構造化文書をプレーンテキストとして表現することは、これらの文書をリッチな構造でユーザ精神モデルと矛盾する。 本稿では,構造や内容に基づいて,モデルがコンテキストを検索できるPDFTriageを提案する。 ベンチマークデータセットは,80以上の構造化文書に900以上の人間が生成した質問からなる。
  論文  参考訳（メタデータ） (2023-09-16T04:29:05Z)
• End-to-End Multihop Retrieval for Compositional Question Answering over Long Documents [93.55268936974971]
  本稿では,長い文書の合成問題に答えるマルチホップ検索手法であるDocHopperを提案する。 各ステップでDocHopperは文書から段落や文を検索し、検索した結果とクエリを混合し、次のステップでクエリを更新する。 文書構造を活用すれば、長い文書の質問応答や検索性能を大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2021-06-01T03:13:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。