Document Intelligence in the Era of Large Language Models: A Survey

文章核心总结与创新点

主要内容

该文章是一篇关于大语言模型（LLMs）时代文档智能（DAI）的综述，系统梳理了DAI的发展演进、核心任务、技术进展及未来方向。核心围绕LLMs对DAI的变革展开，将DAI任务划分为理解（信息提取、布局分析、情感分析等）和生成（摘要、内容生成、问答等）两大类，重点探讨了多模态、多语言、检索增强三大关键技术方向的研究进展，同时分析了当前面临的模态对齐、低资源语言处理、长文档理解等挑战，并提出了基于智能体（Agent）的协作框架和文档专用基础模型等未来研究方向。

创新点

1. 系统性构建了LLM-based DAI的研究框架，首次将相关研究归类为多模态、多语言、检索增强三大核心方向，清晰呈现各技术路径的关联与差异。
2. 深入剖析了LLMs在文档处理中的独特优势与局限，明确了prompt工程、统一编码等适配技术的核心价值，填补了现有综述对LLM与文档特性适配研究的覆盖空白。
3. 提出了“文档智能体（DocAgents）”这一前沿方向，包括协作式框架与专用基础模型，为解决复杂文档的多模态融合、跨语言泛化等难题提供了全新思路。
4. 整理了覆盖多任务、多语言、多模态的完整基准数据集清单，为DAI领域的研究评估提供了全面参考。

---

译文（Markdown格式）

Abstract

文档智能（DAI）已成为一个重要的应用领域，并且随着大语言模型（LLMs）的出现发生了