論文の概要: EidosDoc: Implicit Structure Encoding for Cost-Effective Semi-Structured Document QA

• arxiv url: http://arxiv.org/abs/2609.27784v1
• Date: Mon, 17 Aug 2026 07:17:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.967074
• Title: EidosDoc: Implicit Structure Encoding for Cost-Effective Semi-Structured Document QA
• Title（参考訳）: EidosDoc: コスト効果のある半構造化ドキュメントQAのための暗黙構造エンコーディング
• Abstract要約: 半構造化文書は、科学報告、財務報告、技術マニュアルに広く使われている。 計算コストを最小化して最先端の精度を実現する新しいシステムであるEidosDocを提案する。 EidosDocを4つのベンチマークで評価し、EidosDocが4つのベンチマークで新しい最先端の精度を達成することを示す総合的な評価を行った。
• 参考スコア（独自算出の注目度）: 11.689256498133446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semi-structured documents are ubiquitous in scientific reports, financial statements, and technical manuals. Question answering over such documents requires simultaneous understanding of text, tables, charts, and complex hierarchical layouts. Existing methods either rely on repeatedly calling large language models for structure parsing and retrieval, leading to high cost and large latency, or they flatten the document and lose layout and hierarchy information, sacrificing answer accuracy. To address this, we propose EidosDoc, a novel system that achieves state-of-the-art accuracy with minimal computational expense. Our approach introduces three core innovations. (1) An Implicit Structure Encoder trained via contrastive learning and a structure consistency loss. This module jointly embeds hierarchical relationships, spatial positions, and textual content into a dense vector space, capturing document structure holistically without the need for manually defined and error-prone constructions. (2) A Hybrid Retrieval Pipeline that leverages BM25, layout fingerprints, and a lightweight cross-encoder to perform high-precision retrieval entirely without invoking an LLM, drastically reducing cost and latency. (3) A Dynamic Evidence Expansion mechanism that adaptively retrieves spatially adjacent and structurally related evidence, overcoming the evidence omission common in fixed-path retrieval methods. We evaluate EidosDoc on four benchmarks, and comprehensive evaluations show that EidosDoc achieves a new state-of-the-art accuracy on the four benchmarks. Crucially, it does so with a 50 times reduction in cost and 4 times lower latency compared to the previous state-of-the-art Method. These results demonstrate that EidosDoc establishes a new optimal trade-off among accuracy, cost, and speed, offering a practical and scalable path for accurate semi-structured document analysis.
• Abstract（参考訳）: 半構造化文書は、科学報告、財務報告、技術マニュアルに広く使われている。 このような文書に対する質問応答には、テキスト、テーブル、チャート、複雑な階層的なレイアウトの同時理解が必要である。 既存の手法では、構造解析と検索のために大きな言語モデルを繰り返し呼び出すか、高いコストと大きなレイテンシをもたらすか、ドキュメントをフラットにし、レイアウトや階層情報をなくし、答えの正確性を犠牲にする。 そこで本稿では,計算コストを最小化して最先端の精度を実現する新しいシステムであるEidosDocを提案する。 当社のアプローチでは,3つのコアイノベーションを導入しています。 1) コントラスト学習と構造整合性損失により訓練された暗黙構造エンコーダ。 このモジュールは階層的関係、空間的位置、テキストの内容を密接なベクトル空間に共同で埋め込み、文書構造を手動で定義し、エラーを起こしやすい構造にすることなく、階層的にキャプチャする。 2)BM25,レイアウト指紋,軽量なクロスエンコーダを併用したハイブリッド検索パイプラインを用いて,LCMを起動することなく高精度検索を行い,コストとレイテンシを大幅に削減する。 (3) 固定経路探索法に共通するエビデンスを克服し, 空間的近接及び構造的関連エビデンスを適応的に回収するダイナミックエビデンス拡張機構。 EidosDocを4つのベンチマークで評価し、EidosDocが4つのベンチマークで新しい最先端の精度を達成することを示す総合的な評価を行った。 重要なのは、コストの50倍の削減と、それまでの最先端の方法に比べてレイテンシの4倍の削減だ。 これらの結果は、EidosDocが精度、コスト、速度のトレードオフを新たに確立し、正確な半構造化文書分析のための実用的でスケーラブルなパスを提供することを示す。

関連論文リスト

• VikingRAG: Accurate and Token-efficient Retrieval-augmented Generation over Structured Documents [16.5373268346586]
  最先端の検索拡張生成(RAG)手法は、十分な証拠を得るために文書構造を利用するが、しばしば相当なトークンコストを発生させる。 本稿では,ディレクトリを意識したセマンティックデータ管理システムである sf VikingRAG について述べる。 検索トレースの再利用と適応エスカレーションにより、トークンコストは5.1%--32.5%に低下し、競争精度と実用的な文書保存性能を維持した。
  論文  参考訳（メタデータ） (2026-09-10T11:25:59Z)
• DocSeeker: Structured Visual Reasoning with Evidence Grounding for Long Document Understanding [63.257540233507626]
  本稿では、構造化解析、局所化、推論のワークフローを実行するためにモデルを必要とするパラダイムを提案する。 ショートページトレーニングから超長文書への堅牢な一般化を示し、視覚的検索・拡張生成システムと自然に相乗効果を示す。
  論文  参考訳（メタデータ） (2026-04-14T14:39:26Z)
• Towards Real-World Document Parsing via Realistic Scene Synthesis and Document-Aware Training [23.87978106727431]
  本稿では、堅牢なエンドツーエンド文書解析のためのデータ学習協調設計フレームワークを提案する。 本手法は,スキャン・デジタル・実世界の両方のシナリオにおいて,精度とロバスト性を向上する。
  論文  参考訳（メタデータ） (2026-03-25T03:19:09Z)
• DeepRead: Document Structure-Aware Reasoning to Enhance Agentic Search [23.447631421934847]
  DeepReadは、ドキュメントネイティブな構造的事前を動作可能な推論機能に運用するために設計された、構造対応のドキュメント推論エージェントである。 DeepReadは、従来の検索手法に固有のコンテキストの断片化を効果的に軽減する、人間のような位置読み取りの推論パラダイムを提供する。
  論文  参考訳（メタデータ） (2026-02-04T20:03:28Z)
• Beyond Chunking: Discourse-Aware Hierarchical Retrieval for Long Document Question Answering [51.7493726399073]
  本稿では,長文質問応答を改善するための対話型階層型フレームワークを提案する。 このフレームワークには3つの重要な革新がある: 長文の専門的な談話解析、LLMに基づく談話関係ノードの拡張、構造誘導階層検索である。
  論文  参考訳（メタデータ） (2025-05-26T14:45:12Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)

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。