InSight-doc: Agentic Visual Perception for Long-Document Understanding

• 类型：arxiv
• 标识：2608.10628
• 链接：https://arxiv.org/abs/2608.10628
• 主分类：agent
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：This work proposes InSight-doc, an agentic visual perception framework that treats visual resolution as an adaptive reasoning-time resource that starts from low resolution and selectively zooms into high-resolution regions for finer evidence, without relying on any external retriever.
• 待LLM分类：否
• 标题中文：InSight-doc：面向长文档理解的 Agent 视觉感知
• TLDR中文：本文提出 InSight-doc，一种智能体视觉感知框架，将视觉分辨率视为一种自适应的推理时资源，从低分辨率起步，选择性地放大高分辨率区域以获取更细粒度的证据，且不依赖任何外部检索器。
• 来源文件：
• /inbox/tom/_candidates/2026-08-12-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-13-agent-rag-longcontext-candidates.json
• [S2 enrich]