纯视觉检索登顶 ViDoRe V3:GLM+EVIE 组合拿下 70.01 nDCG@10
CShorten30 · x · 2026-11-20
Hugging Face 社区文章介绍两条只用页面图像、单卡跑开源模型的检索管线,登上 ViDoRe V3 管线排行榜前列:
- VisAgentRet:让 GLM-5.3-Flash 把 EVIE-4.5B 当搜索工具,自主生成查询并查看候选页面,平均 nDCG@10 达 70.01,为发布时榜单最高分。
- EVIE-4.5B + JEV-27B-VL 重排器:一次前向对 top-16 页面图像重排,68.25 分、每查询 1.47 秒,列榜单第三。
第一级共用腾讯最新的 EVIE-4.5B,一种对页面图像做 late-interaction 的检索器,每页编码约 1000 个视觉 token 向量。此前榜单最优管线是纯文本方案,作者证明了纯视觉路线可以追平甚至超越。两条管线代码均以 Apache-2.0 开源。
「多模态」频道最新
- 用 Astra 6.2 加 Scenario 几轮迭代做出像素射击小游戏 — AIandDesign · 2026-11-20
- Synthesia 接入 Claude:聊天里直接生成营销视频 — synthesiaIO · 2026-11-20
- AI 翻唱《Kiss from a Rose》:开头瑕疵过后效果惊人 — rickasaurus · 2026-11-20
- Krea Bots 测试申请超 5 万,新一批测试者获 100 美元额度 — angrypenguinPNG · 2026-11-20
- 5090 本地实测 H3 Image Edit 对决 Qwen Image 2.1 Edit 图像编辑 — Producing_It · 2026-11-19
- 可灵 4.0 沙漠奔跑片段曝光,HDR 画面质感惊人 — Forsaken_Stuff_Ai · 2026-11-19