OpticalRAG：文档渲染成图压缩至 16 个 token，三项基准压缩感知精度最佳
kalyan_kpl · x · 2026-11-11
OpticalRAG 提出像素空间压缩的 RAG 框架：把文档渲染为页面图像，用冻结的视觉编码器编码，再把检索到的视觉 token 蒸馏到最少 16 个 token 注入 LLM。无需昂贵的跨模态训练，靠两个设计：Encoder-Bridged Retrieval（编码器桥接检索）和 Query-Driven Distillation（查询驱动蒸馏）。在 LongBench-v2、BAMBOO、LooGLE-v2 三个基准上均取得最佳压缩感知精度（CAP），仅注入 16 个 token。
「研究」频道最新
- Explosion 发布 Ellf 目录：52 个 NLP 模板与多智能体标注工作流 — _inesmontani · 2026-11-11
- STABLE 优化器入选 NeurIPS 2026,从优化器层面遏制持续学习遗忘 — v_lomonaco · 2026-11-11
- 从 Bahdanau 到 FlashAttention:一图看懂注意力机制八年演进史 — cneuralnetwork · 2026-11-11
- 三年造 CPU、内存与脉冲网络：一位芯片爱好者的加速器之路 — k7agar · 2026-11-11
- 数学家 Strogatz 探问：当 AI 成为「神谕」，数学将走向何方 — stevenstrogatz · 2026-11-11
- 从莱布尼茨行列式到向量空间：线性代数两百年演化一图看懂 — burny_tech · 2026-11-11