DR Pixel
端到端多模态深度研究智能体，直接以渲染后的文档页面图像作为唯一检索与推理单元，跳过OCR文本抽取，保留图表、公式和版面结构信息。
时间轴 (近 90 天)
DR Pixel 是首个完全以页面图像作为唯一检索与推理单元的端到端多模态深度研究智能体。
DR Pixel 运行在包含 106 万页的语料库之上。
在 GPT-5.4、Gemini-3.5-Flash、Qwen3.6-27B 等前沿模型上，基于页面图像的方案全面优于基于OCR的基线，并且所需的工具调用次数更少。
经过训练后，DR Pixel 在 DRPixelBench 上的检索召回率提升约 15 个百分点，最终准确率提升超过 10 个百分点。
在 ViDoRe-V3 上，DR Pixel 与“直接给定黄金页面”的 oracle 差距仅为 1.8 个百分点。
研究提出反事实信用重加权方法，根据每个推理与动作步骤对最终答案的反事实贡献进行加权，以处理嘈杂的教师轨迹。
OCR 抽取文本再检索的流水线在复杂文档上既不必要，也不最优。
全部知识事实 (7)
DR Pixel 是首个完全以页面图像作为唯一检索与推理单元的端到端多模态深度研究智能体。
50%待验证DR Pixel 运行在包含 106 万页的语料库之上。
50%待验证在 GPT-5.4、Gemini-3.5-Flash、Qwen3.6-27B 等前沿模型上，基于页面图像的方案全面优于基于OCR的基线，并且所需的工具调用次数更少。
50%待验证经过训练后，DR Pixel 在 DRPixelBench 上的检索召回率提升约 15 个百分点，最终准确率提升超过 10 个百分点。
50%待验证在 ViDoRe-V3 上，DR Pixel 与“直接给定黄金页面”的 oracle 差距仅为 1.8 个百分点。
50%待验证研究提出反事实信用重加权方法，根据每个推理与动作步骤对最终答案的反事实贡献进行加权，以处理嘈杂的教师轨迹。
50%待验证OCR 抽取文本再检索的流水线在复杂文档上既不必要，也不最优。
50%