研究人员正在开发新颖的方法，将长文本压缩为视觉表示，以提高检索增强生成（RAG）系统的效率。一种方法 RAGOCR 使用查询感知动态分辨率来平衡压缩率和信息保真度，在减少令牌输入的同时显著提高准确性。另一项研究侧重于评估这些视觉-文本压缩（VTC）方法，提出了一种解耦框架，将 VTC 质量与下游模型能力分开，以确保忠实地保留文本。一个名为 SPIRAL 的自监督对齐框架通过将渲染图像表示与本机文本语义集成，进一步增强了 VTC，实现了接近本机文本输入的性能。 AI
影响 这些进展可以显著降低大型上下文模型的计算成本，从而实现更高效、更强大的 AI 应用。
排序理由 多篇学术论文提出了新颖的视觉-文本压缩方法和评估框架。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
arXiv:2608.00765v1 Announce Type: new Abstract: Retrieval-Augmented Generation (RAG) has become essential for knowledge-intensive question answering, yet scaling RAG pipelines remains challenging due to the prohibitive computational cost of processing lengthy retrieved contexts. …
arXiv:2608.01848v1 Announce Type: new Abstract: Recent visual-text compression (VTC) methods, typified by DeepSeek-OCR, report impressive high token compression ratios for long-context modeling tasks by leveraging text-to-image rendering. However, existing evaluation protocols he…
arXiv:2608.02109v1 Announce Type: new Abstract: Vision-Text Compression (VTC) renders long texts into images and encodes them through the vision encoder (ViT), compressing thousands of text tokens into far fewer visual tokens. However, since the ViT is pretrained predominantly on…