答案生成方法、装置、电子设备及介质

本发明实施例涉及多模态大模型和数据处理技术领域，提供一种答案生成方法、装置、电子设备及介质，包括：获取目标问题，并基于所述目标问题在预先构建的文档库中检索与所述目标问题语义相关的多个候选图像页面；将所述多个候选图像页面依次输入至多模态感知模型中进行感知处理，输出每个候选图像页面对应的页面感知结果；基于所述目标问题和所述每个候选图像页面对应的页面感知结果进行跨页面答案推理，生成推理轨迹；结合所述目标问题、所述每个候选图像页面对应的页面感知结果和所述推理轨迹生成符合所述目标问题的语义的目标答案序列。由此，实现多模态大模型在推理过程中更准确地感知并利用丰富视觉信息中的关键证据。