惯性聚合
高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文
在惯性聚合中打开
即将跳转到惯性聚合
3
在聚合应用中查看完整内容和互动
立即跳转
取消
推荐订阅源
Help Net Security
Engineering at Meta
钛媒体：引领未来商业与生活新知
小众软件
爱范儿
IT之家
让小产品的独立变现更简单 - ezindie.com
阮一峰的网络日志
C
CERT Recently Published Vulnerability Notes
月光博客
Cisco Talos Blog
Google DeepMind News
T
Tor Project blog
T
Tenable Blog
Forbes - Security
AI
奇客Solidot–传递最新科技情报
NISL@THU
人人都是产品经理
博
博客园 - 司徒正美
F
Full Disclosure
雷峰网
N
News and Events Feed by Topic
T
Threatpost
TaoSecurity Blog
Simon Willison's Weblog
AWS News Blog
Hacker News: Ask HN
S
Secure Thoughts
S
Security @ Cisco Blogs
The Hacker News
P
Palo Alto Networks Blog
P
Privacy International News Feed
H
Heimdal Security Blog
博
博客园_首页
MongoDB | Blog
V
Visual Studio Blog
C
Check Point Blog
Stack Overflow Blog
B
Blog RSS Feed
有赞技术团队
B
Blog
Microsoft Security Blog
S
Schneier on Security
T
Tailwind CSS Blog
C
Cyber Attacks, Cyber Crime and Cyber Security
Project Zero
T
The Exploit Database - CXSecurity.com
U
Unit 42
Jina AI
thinkingReed
VisionThink：通过强化学习实现高效的视觉语言模型
ChartMoE：使用混合专家架构的图表理解方法
基于标记级相关性引导的压缩方法以实现高效的多模态文档理解
PACT：基于剪枝和聚类的Token减少方法
DocLayLLM：一种用于富含文本的文档理解的高效多模态大语言模型扩展方法
mPLUG-DocOwl 2：高分辨率文档理解的布局感知压缩方法
mPLUG-DocOwl 1.5 研究报告：模型架构与位置编码机制
mPLUG-DocOwl：面向无OCR文档理解的统一结构学习
QG-VTC：基于问题引导的视觉Token压缩方法
MinerU 技术报告：高精度文档内容提取解决方案
StrucTexT：多模态Transformer的结构化文本理解框架
TabPedia：统一的表格理解视觉语言模型
Pix2Struct：截图解析作为视觉语言理解预训练方法
TextMonkey：用于文档理解的无OCR大型多模态模型
Swin Transformer：分层视觉Transformer
Vision Transformer：将Transformer应用于图像分类任务
DocPedia：频域方法实现高分辨率文档理解
领域特定的大语言模型用于通过有标签数据监督微调的暖通空调系统故障诊断
将知识从大模型迁移到小型下游模型
ColPali：使用视觉语言模型的高效文档检索
2026-01-13
·
via
thinkingReed
背景 在实际的环境中，高效文档检索的主要性能瓶颈并非源于嵌入模型的性能，而是源于前置的数据摄取流程（data ingestion pipeline） 传统的 信息检索增强方法（RAG）依赖于传统的OCR处理流程，方向识
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。
原文来自
— 版权归原作者所有。
