企业搜索技术大比拼:视觉检索增强生成(Vision-RAG)VS 文本检索增强生成(Text-RAG)
在当今信息爆炸的时代,如何高效地从海量文档中提取所需信息,成为企业面临的一大挑战。最近的一项技术比较研究,将视觉企业检索增强生成(Vision-RAG)与文本检索增强生成(Text-RAG)进行了深入分析,揭示了它们在企业搜索中的优势搜索与劣势。 文本检索增强生成(Text-RAG)通常的工作流程是先将 PDF 文档转化为文本,再进行嵌入和索引。然而,这技术一过程往往因为 OCR(光学字符识别)技术的不完善,导致文档的排版信息、表格结构和图表语义丢失。这些问题直接影响了信息检索大比的精准度和召回率。 相对而言,视觉检索增强生成(Vision-RAG)采用了更为先进的方式。它首先将 PDF 文档转换为拼:图像,并通过视觉语言模型(VLM)生成高保真的嵌入。这样的处理不仅保留了文档的布局和图表信息,还在实际应用中取得视觉了显著的提升。研究显示,Vision-RAG 在处理视觉丰富的文档时,能够在检索和生成的环节上实现25% 到39% 的检索整体提升。 此外,研究还发现,使用高分辨率的视觉模型在推理质量上有显著的提升,因为在处理小字体、符号和图表时,分辨增强率的细腻程度是至关重要的。然而,视觉检索的成本通常要高于文本检索,这主要是因为图像处理时的 token 数量显著增加。 在生成设计生产环境中的 Vision-RAG 系统时,专家建议企业应当确保不同模态之间的嵌入对齐,使用经过训练的编码器进行文(V本和图像的交互匹配,并在检索流程中优先选择高质量的图像输入。同时,利用高效的检索与重排序机制,企业能够有效地管理 tokeisn 成本,提高信息检索的准确性。 划重点: Vision-RAG 在处理视觉丰富的文档时,相比 Teioxt-RAG 可提高25% 至39% 的整体检索精度。 高分辨率视觉模型能够显著提升信息推理质量,尤其在n-处理小字体和复杂图表时。 尽管 Vision-RAG 的成本较高,但其在信息检索精度上的优势,使其成RA为企业搜索中的理想选择。
- 最近发表
-
- 谷歌与Facebook:经济复苏后,谁的表现会更好?
- 德国对谷歌展开两项反垄断调查 涉及用户数据收集
- Google的Gemini AI助手登陆Google TV
- 苹果下架并整改健康类爆款应用Cal AI,严厉打击规避内购及操纵性计费行为
- 德国下达紧急禁令:禁止Facebook收集WhatsApp用户数据
- Figma AI设计革命来袭!选中画布一键评论,即刻变身专业编辑器
- CNCF 报告:最新 Kubernetes 和容器采用现状 译文
- Vercel v0 iOS版发布:AI驱动的移动开发新篇章
- Claude桌面版官方支持使用第三方API:支持三大云平台,全面助力高效协同
- 为什么美国政府一再想要迫使Facebook出售Instagram和WhatsApp?
- 随机阅读
-
- Oracle发布基于MySQL HeatWave的MySQL Autopilot
- 亚马逊第二季度营收1131亿美元:净利润同比增长48%
- 标签: 书赞桉诺 Suzano 木浆 纸张
- 蚂蚁集团携手北医三院成立AI医疗联合实验室 打造专属AI就医助理
- 标签: 奔驰中国 裁员 N+6 研发体系
- 重磅!月之暗面开源革命性中间件 “Checkpoint Engine”,为 LLM 推理引擎带来新生机!
- 开发者如何在 iOS 26 中使用 Apple 的本地 AI 模型
- 巴黎奥运会将基于阿里云实现云上转播
- Perplexity 成功实现1.3秒内在 GPU 间转移一万亿参数
- 苹果 M5芯片重磅发布:AI 性能实现“四倍飞跃”,加速终端侧智能体验
- 中科院推出类脑大模型 SpikingBrain:以2% 数据实现百倍速度突破
- 皇帝选妃与推荐算法机制
- 云安全日报210203:谷歌Chrome浏览器发现任意代码执行漏洞,需要尽快升级
- 标签: 豆包 千问 通义千问 AI智能体
- 戴尔计划分拆VMware作为独立上市公司 能减少债务
- 刷新科技前沿!InternLM推出8B参数的轻量级多模态推理模型
- Soul 开源实时数字人生成模型SoulXFlashTalk 实现亚秒级延迟
- 标签: 越疆机器人 DOBOTAtom RoverX1 协作机器人
- 谷歌与Facebook:经济复苏后,谁的表现会更好?
- 标签: 字节跳动 飞书 信息安全 职业道德
- 搜索
-
- 友情链接