跳到主要内容
检索

# 视觉文档检索

3 篇关联报道

订阅更新
  1. arXiv

    检索不再只认“黄金块”：Perplexity新嵌入模型把答案与佐证一起排进前十

    Perplexity发布pplx-embed-v2-context系列上下文嵌入模型，用查询感知的上下文压缩模型蒸馏出分级的块级相关性，替代需要大模型逐条标注的黄金块标签，训练目标也不再绑定切块方式。9B版本在context-bench的Answer@10上比最强基线voyage-context-4高14.4个百分点，并在Q2D-Chunk与ConTEB上取得最优；0.6B版本与9B共享嵌入空间，可用小模型查询9B建立的索引。

    Sedigheh Eslami（第一作者）
    pplx-embed-v2-context 上下文嵌入模型块级相关性蒸馏上下文嵌入Q2D-Chunk 基准视觉文档检索
  2. arXiv

    研究者用条件流匹配反演器从多向量视觉文档索引重建页面，原始索引恢复47%词与45%敏感词元并98.4%首位命中源页

    该工作把多向量视觉文档索引的反演建模为条件文档图像生成，在零侧信息下仅凭存储的向量识别编码器、推断页面形状并恢复乱序索引的顺序，用条件流匹配反演器重绘页面；在ViDoRe v3上，原始索引反演出的页面恢复47%的词和45%的敏感词元，并以98.4%的比例把源页排在第一。

    Zhuchenyang Liu（第一作者）
    嵌入反演攻击视觉文档检索流匹配后期交互检索
  3. arXiv

    ColNanoVDR 用无文档查询蒸馏把多向量视觉文档检索的查询编码器压到 149M，保留约 95% NDCG@5 且 CPU 单线程快 26 倍

    该工作提出 ColNanoVDR，用基于熵最优传输并带可学习 token 权重的 OTW 目标，把多向量视觉文档检索的教师查询编码器蒸馏为仅文本的 149M 学生模型，训练时不编码也不读取任何页面，在 ViDoRe v1–v3 上保留教师约 95% 的 NDCG@5，单 CPU 线程查询编码最高快 26 倍，并在相同训练下以 12.6 分之一的缓存教师数据量达到与分数蒸馏相当的效果。

    Aalto University
    Zhuchenyang Liu（第一作者）
    ColNanoVDROTW（带学习权重的最优传输）查询侧蒸馏视觉文档检索最优传输

已读完全部报道