DocDancer: Auf dem Weg zu agentenbasierter, dokumentengestützter Informationssuche
DocDancer: Towards Agentic Document-Grounded Information Seeking
January 8, 2026
papers.authors: Qintong Zhang, Xinjie Lv, Jialong Wu, Baixuan Li, Zhengwei Tao, Guochen Yan, Huanyao Zhang, Bin Wang, Jiahao Xu, Haitao Mi, Wentao Zhang
cs.AI
papers.abstract
Dokumenten-Fragebeantwortung (DocQA) konzentriert sich darauf, Fragen anhand gegebener Dokumente zu beantworten, doch bestehenden DocQA-Agenten mangelt es an effektiver Werkzeugnutzung und sie stützen sich weitgehend auf Closed-Source-Modelle. In dieser Arbeit stellen wir DocDancer vor, einen end-to-end trainierten Open-Source-Dokumentenagenten. Wir formulieren DocQA als informationsbeschaffendes Problem und schlagen einen werkzeuggesteuerten Agentenrahmen vor, der die Dokumentenexploration und -verständnis explizit modelliert. Um ein End-to-End-Training solcher Agenten zu ermöglichen, führen wir eine Exploration-then-Synthesis-Datensynthese-Pipeline ein, die die Knappheit an hochwertigen Trainingsdaten für DocQA adressiert. Das Training anhand der synthetisierten Daten zeigt die Effektivität der trainierten Modelle in zwei Benchmarks für das Verständnis langer Dokumentkontexte, MMLongBench-Doc und DocBench. Eine weiterführende Analyse liefert wertvolle Erkenntnisse für das agentenbasierte Werkzeugdesign und synthetische Daten.
English
Document Question Answering (DocQA) focuses on answering questions grounded in given documents, yet existing DocQA agents lack effective tool utilization and largely rely on closed-source models. In this work, we introduce DocDancer, an end-to-end trained open-source Doc agent. We formulate DocQA as an information-seeking problem and propose a tool-driven agent framework that explicitly models document exploration and comprehension. To enable end-to-end training of such agents, we introduce an Exploration-then-Synthesis data synthesis pipeline that addresses the scarcity of high-quality training data for DocQA. Training on the synthesized data, the trained models on two long-context document understanding benchmarks, MMLongBench-Doc and DocBench, show their effectiveness. Further analysis provides valuable insights for the agentic tool design and synthetic data.