多模态RAG前沿速读：三看SimpleDoc双线索实现思路
2025年6月19日，北京晴。介绍SimpleDoc多模态RAG方案，结合视觉嵌入和LLM生成的摘要来检索相关页面，并迭代更新查询以改进答案。结果显示其在4个DocVQA数据集上表现优于基准模型。
文档理解
35%准确率蒸发！字节&华科WildDoc揭示多模态文档理解鲁棒性短板
多模态大模型在文档理解领域的性能显著，但现有基准存在真实场景挑战。字节跳动联合华中科技大学发布首个真实世界文档理解基准数据集WildDoc，揭示了当前模型的不足，并提出改进策略。
从0到1构建AI代理：不可错过的开源利器
在2025年构建智能自主代理时使用的最佳开源工具列表包括框架（如MetaGPT）、计算机和浏览器操作工具、语音处理库（如Whisper）以及记忆和仿真工具等，帮助创建高效且可定制的AI助手。
一款专为程序员打造的文档爬取和处理工具：DevDocs，开源了！
一款专为程序员打造的文档爬取和处理工具DevDocs开源，能缩短理解文档的时间至几个小时，提升开发效率。适用于企业软件开发者、网络爬虫、开发团队和独立黑客等。特点包括智能抓取、性能与速度以及内容处理等功能。
39K 颠覆传统搜索！RAGFlow：AI驱动的开源文档搜索引擎来了！
RAGFlow 是一款基于深度文档理解的开源 RAG 引擎，能从 100 多种文件格式中高效提取关键信息，并支持文本切片、模板化处理和多种数据源。它解决了大语言模型在实际应用中的文档处理难题。
理解生成协同促进？华为诺亚提出ILLUME，15M数据实现多模态理解生成一体化
华为诺亚方舟实验室提出统一多模态大模型ILLUME，仅使用约15M图文对数据实现视觉理解、生成等任务的出色表现，并采用自提升式多模态对齐策略促进理解和生成能力协同进化。