DocSkill：技能编排策略提升多语言多跳文档问答

01 摘要

原文指出多语言多跳文档问答需跨复杂版式、页面和语言定位并整合证据，现有单次处理与自适应工具使用难以协调证据获取、跨页整合与答案验证。作者提出 DocSkill，用离线有界蒙特卡洛树搜索探索技能轨迹，生成监督微调示范与偏好对供直接偏好优化训练编排策略。实验报告 DocSkill 配合 Qwen3-VL-8B 在自建 MMHop-DocBench 上取得 41.0 准确率与 49.2 F1，并在 MMLongBench-Doc、DocBench 上表现有竞争力。

02 关键点

1. DocSkill 的技能编排策略依据动态证据状态选择、回访或跳过技能，而非固定流程。
2. 用有界 MCTS 离线探索技能轨迹，为 SFT 提供示范、为 DPO 提供偏好对。
3. MMHop-DocBench 含 6 万问答对、10 种语言、8 类文档域，并提供页级与元素级证据标注。