টোঙ্গই ল্যাব ভিমআরএজি চালু করেছে: মাল্টিমোডাল আরএজি ফ্রেমওয়ার্ক মেমোরি গ্রাফ সহ

ME সংবাদ, 10 এপ্রিল (UTC+8), আলিবাবা টোংই ল্যাব (Tongyi Lab) একটি নতুন জন্মের মাল্টিমোডাল RAG ফ্রেমওয়ার্ক VimRAG চালু করেছে, যা বর্তমান সিস্টেমগুলির দীর্ঘস্থায়ী "অবস্থা অন্ধকার" সমস্যা সমাধানের উপর ফোকাস করে। VimRAG প্রাচীন রৈখিক ইতিহাসকে একটি মাল্টিমোডাল মেমোরি গ্রাফে (Multimodal Memory Graph) আপগ্রেড করে, যা ডাইনামিক ডিরেক্টেড অ্যাসাইক্লিক গ্রাফ (DAG) কাঠামোর মাধ্যমে যুক্তি প্রক্রিয়াকরণকে সংগঠিত করে, যা অপ্রয়োজনীয় অনুসন্ধানকে দক্ষতার সাথে দূর করে এবং অনুসন্ধানের পথের সম্পূর্ণ ট্র্যাকিং করে। Graph-Modulated Visual Memory Encoding প্রবর্তন করে, এটি ছবির মতো উচ্চ-লোডভুক্ত ভিজুয়াল ডেটা-এর জন্য অ্যাডাপটিভ Token বণ্টনের সমর্থন করে, GGPO মেকানিজমের সাহায্যে সূক্ষ্ম-স্তরের ক্রেডিট বণ্টনকে সক্ষম করে, যা যুক্তি-সংশ্লিষ্টতা (reasoning attribution) নির্ভুলতা বাড়ায়। প্রকাশিত মূল্যায়নের ডেটা অনুযায়ী, VimRAG SlideVQA, MMLongBench, LVBench-এর মতো বহুমুখী বেঞ্চমার্কগুলিতে উল্লেখযোগ্যভাবে ভালোভাবে পারফরম করেছে, Qwen3-VL-8B-Instruct ভার্সনটির সমন্বিত স্কোরটি অনুরূপ সমাধানগুলির চেয়ে শীর্ষস্থানীয়। VimRAG-এর লক্ষ্য, "সহজ অনুসন্ধান"থেকে "গঠনযুক্ত, reliable reasoning"-এর দিকে multi-modal RAG-এর উন্নতি,যা জটিল,দীর্ঘদস্তাবেজ,বহুমুখী-মিশ্রিত-পরিস্থিতি-এরজন্যশক্তিশালীসিস্টেম-লেভেলসমাধানপ্রদানকরবে।(উৎস: BlockBeats)