ColQwen3

新方法增强了多模态 RAG 系统中视觉证据的使用

研究人员开发了一种名为 Loud and Clear (LoC) 的新方法，以改进多模态文档检索增强生成 (RAG) 系统利用视觉信息的方式。研究发现，现有方法未能充分利用检索文档中的视觉证据，即使找到了正确的页面。LoC 通过增强检索文档的“响度”（充分利用视觉令牌容量）和“清晰度”（优化页面以突出证据）来解决这一问题。这种方法结合了更高分辨率的页面和来自查询相关区域的光学字符识别 (OCR)，在 SciEGQA 和 ViDoRe-…