DR Pixel：页面图像驱动的开源深度研究智能体
热点事件观察中
DR Pixel：页面图像驱动的开源深度研究智能体
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Tiansheng Hu 等研究者发布开源多模态深度研究智能体 DR Pixel，它把渲染后的文档页面图像作为唯一的检索与推理单元，在 1.06M 页语料上运行。团队称，该智能体无需训练即超过 GPT-5.4、Gemini-3.5-Flash、Qwen3.6-27B 等模型的 OCR 基线，且工具调用更少。 团队同时构建了评测基准 DRPixelBench，并提出反事实信用重加权训练方法；据论文称，该方法使检索召回提升约 15 点、最终准确率提升超 10 点。上述效果均为作者报告，尚未见独立验证。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 08:00
DR Pixel：用视觉语言模型实现页面原生的深度研究报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- HuggingFace Daily PapersDR Pixel：用视觉语言模型实现页面原生的深度研究
开源多模态深度研究智能体 DR Pixel 以渲染后的文档页面图像作为唯一检索与推理单元，在 1.06M 页语料上运行，无需训练即超越 GPT-5.4、Gemini-3.5-Flash、Qwen3.6-27B 等模型的 OCR 基线且工具调用更少。团队同时构建 DRPixelBench 基准，并提出反事实信用重加权训练方法，使检索召回提升约 15 点、最终准确率提升超 10 点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。