本文记录了参与AI夏令营多模态RAG方向的学习过程。项目目标是构建基于图文混排PDF的可溯源问答系统，主要挑战包括多模态信息融合、精准检索和细粒度信息抽取。针对baseline存在的文档解析粗糙、分块策略单一等问题，提出了多维度优化方案：1）改用MinerU解析工具提取结构化内容；2）优化分块策略并引入重排机制；3）对Embedding模型和LLM进行领域微调；4）实施全量测试数据运行。文章还探讨