At forstå lange dokumenter – med mange sider, tabeller, figurer og diagrammer – er en af de sværeste opgaver for AI. Traditionelle systemer vælger typisk relevant information fra et statisk indeks, før de genererer et svar. Nu præsenterer forskere i et nyt paper på arXiv et system kaldet DocAtlas, der i stedet behandler opgaven som en interaktiv søgeproces, hvor modellen aktivt kan søge, læse, notere og genbesøge information undervejs.
Det centrale nye greb er at flytte 'hukommelsen' ud af modellen og ind i et eksternt miljø – en såkaldt 'mutable document harness'. Det betyder, at modellen ikke skal holde styr på alt i sit eget begrænsede kontekstvindue, men kan bruge værktøjer til at gemme og hente noter og opbygge et hierarkisk træ af information. Det giver et fast kontekstbudget, uanset hvor langt dokumentet er.
Resultaterne er bemærkelsesværdige: Med den store model GPT-5.4 når DocAtlas 71,4% på benchmarken MMLongBench-Doc – over menneskelig ekspertreference på 65,8%. Men det mest interessante for beslutningstagere er, at en kompakt model (Qwen3.5-4B), trænet med reinforcement learning i DocAtlas-miljøet, når 63,7% – mod kun 54,4% for en direkte input-baseline. Det er en forbedring på næsten 10 procentpoint for en lille model.
For virksomheder og organisationer, der arbejder med store dokumentmængder – juridiske kontrakter, due diligence, forskningsrapporter, tekniske manualer – betyder det, at man ikke nødvendigvis skal investere i de dyreste og største AI-modeller for at få høj kvalitet. Metoden kan gøre det muligt at køre avancerede dokumentanalyser på mindre, hurtigere og billigere modeller, hvilket kan ændre cost-benefit-regnestykket for AI-implementering.
Endnu er DocAtlas et forskningsprojekt, men det peger på en retning, hvor eksterne systemer og 'værktøjer' bliver lige så vigtige som selve modellen. For dem, der skal bygge eller købe AI-løsninger til dokumenthåndtering, er det værd at holde øje med, om denne tilgang bliver kommercielt tilgængelig.
