في عالم الوثائق الطويلة والمعقدة، يعد استخراج المعلومات بدقة وتوافق هيكل الوثائق من التحديات الكبرى التي تواجه النماذج الحالية. لذا، تم تقديم إطار عمل جديد يعتمد على نماذج الرؤية-اللغة (Vision-language models - VLM) يعزز من دقة إعادة بناء تسلسل العناوين.

يستخدم هذا النموذج طريقة جديدة تُعرف بالذاكرة متعددة الوسائط (Multimodal Memory) التي تعمل على الاحتفاظ بمجموعة مختصرة من الصفحات المعالجة مسبقًا، مما يضمن قدرة النموذج على متابعة الأنماط البصرية والنصية والتخطيطية للعناوين في كل مستوى.

تعتبر هذه التقنية محورية، خصوصًا في التطبيقات التي تتطلب هيكلًا وثائقيًا متسقًا مثل توليد البيانات المعززة بالاسترجاع (retrieval-augmented generation - RAG). إذ أن النماذج السابقة كانت تواجه صعوبة في توافق التنبؤات على مستوى الوثيقة بسبب قيود الطول والدقة في المدخلات.

من ناحية أخرى، تم إجراء تقييم شامل على مجموعة جديدة تُعرف بمقياس إعادة بناء تسلسل العناوين في الوثائق المعقدة والطويلة (CLDoc-HHRBench) والتي تحتوي على 250 وثيقة و11,212 صفحة مع تعليقات موثوقة من خبراء. أظهرت التجارب على هذه المجموعة وكفاءة النظام الجديد تفوقًا كبيرًا في الأداء.

إذا كنت مهتمًا بالتطورات في مجال الذكاء الاصطناعي وتكنولوجيا معالجة الوثائق، فهذا الابتكار يعد خطوة مهمة نحو تحقيق نتائج دقيقة وفعالة في معالجة المعلومات.