港科广团队发表 DocPilot：教 4B 模型编排跨页取证

港科大（广州）团队在 arXiv 发表 DocPilot（arXiv 2610.21327），把长视觉文档问答拆成 Navigate、Extract、Focus、Solve 四个细粒度动作，让 4B 小模型逐步跨页取证，而非一次性灌入全部上下文；论文同时发布 DocAgent-Instruct-40K 训练数据集与 DocBench 评测，代码开源于 HKUSTDial/DocPilot。 代价同样明确：每道题要走 8 到 11 个动作、多次调用模型，延迟和 token 开销远高于一次前向；DocPilot-4B 在布局类（LAY）问题上比裸 Qwen3.5-4B 还低 9.8 分，能否靠自我进化越过教师仅写在 future work。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。