DocMemo：基于概率式记忆引导检索的多模态文档理解动态证据发现

长文档理解需要在数百页中定位稀疏且异构的证据，但现有系统仍受限于静态检索与脆弱的跨轮记忆。主流单轮方法一开始就锁定固定的top-k页面集合，难以从早期检索错误中恢复；近期的迭代方法允许多轮证据获取，但未研究跨轮状态的传播机制，难以跟踪页面相关性的动态变化。为解决这些局限，我们提出DocMemo，一个将长文档推理形式化为动态证据探索的记忆引导框架。DocMemo维护由文档模式记忆（Document Schema Memory）、页面信念记忆（Page Belief Memory）与问题情景记忆（Question Episodic Memory）构成的三级检索状态，分别捕获结构先验、动态相关性估计与查询特定的推理轨迹。在推理过程中，DocMemo通过带Thompson采样的贝叶斯页面信念更新、空间邻近传播以及结构感知的自适应粒度证据访问，持续细化跨轮页面选择，并以细粒度视觉区域补充页面级证据。在3个基准上的实验表明，DocMemo取得了最先进的性能，并验证了结构化记忆与动态页面信念更新的有效性。代码见 https://github.com/Harrygof/DocMemo。