DocSkill：技能编排的多语言多跳文档问答框架

论文提出技能编排文档问答框架并发布多语言多跳基准。

资讯摘要

论文提出 DocSkill，一种带可学习技能编排策略的智能体框架，用于多语言多跳文档问答，策略依据证据状态选择、回访或跳过技能。作者用有界蒙特卡洛树搜索离线探索技能轨迹，为监督微调和直接偏好优化提供示范与偏好对。论文同时构建 MMHop-DocBench，含 10 种语言、8 类文档领域的 6 万问答对及页级、元素级证据标注。作者报告 DocSkill 搭配 Qwen3-VL-8B 在该数据集上达到 41.0 准确率和 49.2 F1。

要点速读

1. DocSkill 用可学习策略编排技能，按证据状态选择、回访或跳过技能。
2. 作者用有界 MCTS 离线生成轨迹，用于 SFT 与 DPO 训练。
3. MMHop-DocBench 含 10 种语言、8 类文档领域共 6 万问答对，作者报告 Qwen3-VL-8B 版本达 41.0 准确率、49.2 F1。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。