算法论文8

计算所DeepRead重构Agentic RAG文档推理能力

新智元2026-03-16

AI 摘要

中科院计算所：现有Agentic Search框架有“结构盲”问题，提出的DeepRead把文档结构转化为坐标系统，用两大工具协同推理，实验显示在多数据集上效果提升显著，轻量高效。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Claude无需越狱就能操作iPhone

LLM操作手机以往方案有局限，phone - harness利用macOS Sequoia的iPhone镜像功能，通过截取镜像窗口、注入操作、截屏验证实现Claude操作iPhone，还介绍安装步骤、踩坑及已知限制。

处理PDF时，若全用OCR成本和延迟会增加，直接提取文本又易遇乱序、乱码等问题。Firecrawl开源的pdf - inspector工具能智能区分扫描版和文本版PDF，按需使用OCR，精准处理。

GitHub上的项目codex-vision-proxy让接进Codex的DeepSeek能看图，不用换模型或等官方，装本地代理即可。它还附带视觉工具包，在智能文档解析和OCR上潜力大，证明多模态能力可长在管道上。

百度开源的Unlimited - OCR项目目标是处理图片、长文档等资料，将其转化为Markdown等结构化结果。它提供多入口，解决传统OCR处理长文档的问题，有多种应用方向，但也有边界。