把文档页切成图像横条做检索:保留视觉上下文的 chunk 新玩法
tomaarsen · x · 2026-11-03
Perplexity 的 pplx-embed-v2-context 利用 vision-language 骨干，支持把文档页当作图像来 chunk：将页面的视觉 token 按水平条带（horizontal bands）切分、一起编码，每条带保留一个向量。
这样既能用常规稠密向量索引搜索页面的局部内容，又保留了周围视觉上下文——适合版式复杂、文字提取易丢失结构的文档。论文附图展示了从视觉 patch 到带 SEP 分隔的横向条带序列的完整流程。
所属事件:Perplexity 开源上下文嵌入模型 pplx-embed-v2-context(15 条相关)→
「研究」频道最新
- 团队在 Qwen 上复现 Anthropic「教会 Claude 为什么」对齐方法并开源 — austinc3301 · 2026-11-03
- 从零手写 LoRA:两块小矩阵如何替代百万参数更新 — dima806_dima · 2026-11-03
- Contextual AI 发布最终版上下文嵌入模型：0.6B 小模型共享 9B 向量空间 — antoine_chaffin · 2026-11-03
- DLR-Lock:用低秩深层重构让开源模型微调「防破解」成本大增 — burkov · 2026-11-03
- 模型说 0.8 真能对 80%?免费课教你校验 LLM 校准 — bgoncalves · 2026-11-03
- RaiSim 2.13.0 支持在线跑机器人示例,新增快速流体动力学模型 — ChongZzZhang · 2026-11-03