Tencentは、Qwen3.5-4Bを基盤とした最先端の多言語Visual Document Retrieval (VDR) モデルであるEVIE-Preview-4.5Bをリリースしました。このモデルは、ColBERTスタイルの遅延相互作用とネイティブな128次元のマルチベクトルトークン埋め込みを採用し、ViDoReベンチマークでトップクラスの性能を実現しています。

  • ViDoRe V3においてより大きな8Bモデルを上回り、公開ドメイン8つのうち7つで首位を獲得。
  • ViDoRe V1+V2で平均85.93 nDCG@5の精度を提供。
  • 多様な言語（EN, FR, DE, IT, ES, PT, ZH）および視覚形式にわたる堅牢なゼロショット汎化をサポート。
  • 遅延相互作用スコアリングパイプラインのために標準的なcolpali-engineエコシステムと完全に統合。

このモデルは約80万枚の高品質な画像-クエリペアでトレーニングされ、動的マイニングと検証を利用してトレーニングデータの品質を向上させています。