ViSAR: Training-Free Adaptive-$k$ Retrieval for Visual Document Question Answering

• 类型：arxiv
• 标识：2609.02486
• 链接：http://arxiv.org/abs/2609.02486v1
• 主分类：rag
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：ViSAR (Visual Semantic Activation Retrieval), a training-free adaptive-$k$ retrieval method for late-interaction visual document retrieval, is introduced and it is shown that the similarity matrix structure correlates with answer accuracy, suggesting future directions for retrieval quality-aware document understanding.
• OpenAlex ID：W7207822509
• OpenAlex DOI：10.48550/arxiv.2609.02486
• DOI：10.48550/arxiv.2609.02486
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2609.02486
• OpenAlex更新：2026-09-05
• 副分类：engineering
• 待LLM分类：否
• 标题中文：ViSAR：面向视觉文档问答的无训练自适应 $k$ 检索
• TLDR中文：本文提出 ViSAR（Visual Semantic Activation Retrieval），一种面向 late-interaction 视觉文档检索的无训练自适应 k 检索方法，并表明相似度矩阵结构与答案准确率相关，为面向检索质量感知的文档理解指明了未来方向。
• 来源文件：
• /inbox/tom/_candidates/2026-09-03-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]