Tencent ha rilasciato il modello di ricerca visiva dei documenti EVIE-4.5B

L'azienda Tencent ha presentato un modello compatto EVIE-4.5B, progettato per le attività di ricerca visiva dei documenti. Il modello conta 4.61 miliardi di parametri e si concentra sulla precisione elevata nell'elaborazione dei dati grafici in ambienti aziendali e di ricerca.

Durante il test sul benchmark ViDoRe V3, l'architettura ha mostrato un risultato di 66.02 nDCG@10. Gli sviluppatori hanno implementato nel modello una struttura unica single-projection Prefix-MRL, che consente di associare efficacemente le caratteristiche visive dei documenti con le richieste testuali degli utenti.

L'implementazione tecnica include la tecnologia HAC token compression, che ottimizza il processo di compressione dei token. Questa soluzione consente al modello di mantenere elevate prestazioni quando lavora con documenti visivamente complessi, che richiedono un'analisi approfondita della struttura delle pagine e dei dati tabellari.

Il modello è già disponibile per il download in open access sulla piattaforma Hugging Face. Il codice sorgente e i pesi del modello sono distribuiti per l'integrazione nei sistemi di ricerca e estrazione automatica di informazioni da fonti visive non strutturate.

Il rilascio di EVIE-4.5B estende la gamma di soluzioni specializzate dell'azienda per il lavoro con dati visivi. L'utilizzo di architetture di compressione dei token ottimizzate consente di ridurre i costi computazionali mantenendo la precisione della ricerca, che è critica per i sistemi di elaborazione dei documenti scalabili.