NTTは、大規模言語モデル（LLM）によって文書を視覚情報も含めて理解する視覚読解技術を実現した。実験において、文書画像を提示しながら、あらゆる質問への回答を行う人工知能（AI）の実現への可能性を示唆する結果が得られており、デジタルトランスフォーメーション（DX）におけるコア技術として期待されている。なお、本成果はNTT版大規模言語モデル「tsuzumi」のアダプタ技術として採用・導入されており、本成果は、LLMベース