Tencentは、4096次元のトークン表現と双方向フルアテンションを特徴とする高容量の視覚文書検索モデルEVIE-8Bをリリースした。このモデルは、軽量なEVIE-4.5B Prefix-MRLバリアントのための教師基盤として機能し、視覚文書検索ベンチマークで最先端のパフォーマンスを実現している。

  • ViDoRe V3 Publicで66.75 nDCG@10を達成し、業界最高水準の精度を提供する。
  • 細粒度なレイアウト、タイポグラフィ、チャート、表構造を保持するトークンごとのマルチベクトル埋め込みを提供する。
  • 4つの標準的なメトリックファミリーを使用して、ViDoRe V1、V2、V3およびJinaVDRの138タスクで検証済み。
  • ハードネガティブを採掘し、回答可能、曖昧、厳格のカテゴリに分類した775,635の文書クエリペアで学習済み。

リリースには、高忠実度の視覚文書検索を促進するためのモデルウェイト、推論エンジン、および評価ハーネスが含まれており、Apache-2.0ライセンスの下で提供される。