已收录文章摘要，完整内容可前往原文阅读。
导读把一份几百页报告交给多模态模型，真正困难的往往不是认出文字，而是在有限预算下找到足够证据、读对图表与细节、组合跨页信息，并确认答案确实得到支持。更多页面、更强生成器、更高检索分数，都不自动保证这一