긴 멀티모달 문서의 근거 구성을 위한 최소 비용 흐름 라우팅
Min-Cost Flow Routing for Evidence Assembly in Long Multimodal Documents
긴 멀티모달(multimodal) 문서에 대한 질문에 답하기 위해서는 유사 중복을 피하면서 텍스트, 표, 그림, 슬라이드 전반의 관련 측면에 고정된 근거 예산을 분배해야 합니다. 본 논문에서는 멀티모달 콘텐츠 그래프상에서 용량 제한이 있는 단일 최소 비용 흐름(minimum-cost flow) 문제로 근거 선택을 정식화하는 \flowreader를 제안합니다. 스펙트럼 분해(spectral decomposition)는 쿼리 관련 콘텐츠의 잠재적 측면을 식별하고 스펙트럼 에너지에 비례하여 이들 사이에 예산을 할당합니다. 이러한 용량 제한은 언어 모델(LM)의 계획 호출 없이도 라우팅 과정에서 측면 범위를 강제합니다. 쿼리 조건부 비용은 관련성이 높고 상호 일관된 근거 체인을 우선시합니다. 최적 흐름을 분해하면 짧은 근거 체인이 생성되며, 이를 비전-언어(vision-language) 모델이 병렬로 읽고 추론기가 조율합니다. Qwen3-VL-32B를 사용한 VisDoMBench에서 \flowreader\는 가장 높은 매크로 정확도($68.9$)를 달성하여 기존 최고 시스템을 $2.7$포인트 능가했으며, 5개 하위 집합 중 3개에서 앞서고 가장 높은 최악 하위 집합 정확도를 기록했습니다. 이 방식은 쿼리당 측정된 $17.5$개의 콘텐츠 노드를 사용하며 $12.9$개에서도 우위를 유지합니다. 고정된 그래프, 스코어러, 리더, 판별기를 사용한 소거 연구(ablation study)에 따르면, 비용 설계가 정확도를 견인하고, 용량 제한은 동일 네트워크에서 이러한 제한이 없는 최단 경로 라우팅 대비 약 4분의 3 수준의 리더 토큰을 사용하면서도 정확도를 보존하며, 스펙트럼 측면은 계획 호출 없이도 LLM 생성 하위 질문과 일치함을 보여줍니다.