模型
ColPali
文档检索多模态嵌入模型，将文档页面直接截图输入视觉语言模型，为每个图像区块生成多个局部向量（token级表示），跳过OCR和版面解析，但索引体积较大
时间轴 (近 90 天)
10月8日
ColPali 是视觉检索方案的代表，将文档页面渲染为图像，由视觉语言模型提取 patch 级别的多向量表示，绕过 OCR 步骤
待验证50%
文档检索多模态嵌入模型，将文档页面直接截图输入视觉语言模型，为每个图像区块生成多个局部向量（token级表示），跳过OCR和版面解析，但索引体积较大
ColPali 是视觉检索方案的代表，将文档页面渲染为图像，由视觉语言模型提取 patch 级别的多向量表示，绕过 OCR 步骤