Berita ME, pada 10 April (UTC+8), Laboratorium Tongyi Alibaba secara rasmi melancarkan kerangka RAG multimodal generasi baru, VimRAG, yang secara khusus menangani masalah "kebodohan status" yang berpanjangan dalam sistem sedia ada. VimRAG meningkatkan rekod sejarah linear tradisional kepada graf memori multimodal (Multimodal Memory Graph), mengorganisir proses penalaran dengan struktur graf berarah tanpa kitaran (DAG) untuk menghapuskan pencarian berulang dan melacak laluan eksplorasi secara menyeluruh. Diperkenalkannya Kod Penyimpanan Visual Dimodulasi Graf (Graph-Modulated Visual Memory Encoding), yang membolehkan pengagihan Token adaptif untuk data visual berbeban tinggi seperti gambar, disertai mekanisme GGPO untuk pengagihan kredit halus, meningkatkan ketepatan penarikan kesimpulan penalaran. Menurut data ujian yang dikeluarkan, VimRAG menunjukkan prestasi cemerlang dalam pelbagai ujian standard multimodal seperti SlideVQA, MMLongBench, dan LVBench, dengan versi Qwen3-VL-8B-Instruct mencatat skor komprehensif teratas berbanding penyelesaian serupa. Matlamat VimRAG adalah untuk membawa RAG multimodal dari "pencarian ringkas" kepada "penalaran boleh dipercayai berstruktur", memberikan penyelesaian peringkat sistem yang lebih kuat untuk menangani dokumen panjang kompleks dan senario campuran multimodal. (Sumber: BlockBeats)
Tongyi Lab Melancarkan VimRAG: Kerangka Kerja RAG Multimodal dengan Graf Memori
KuCoinFlashKongsi
Ringkasan
Tongyi Lab melancarkan kerangka kerja RAG multimodal baharu, VimRAG, pada 10 April (UTC+8), berdasarkan MetaEra. Kerangka kerja ini menangani masalah 'titik buta keadaan' dengan menukar sejarah linear menjadi graf memori. Ia menggunakan struktur DAG dinamik untuk mengikuti laluan penaakulan dan mengurangkan pengambilan berulang. Berita di atas rantai menonjolkan integrasi GGPO untuk pengagihan kredit dan pengagihan token. Versi Qwen3-VL-8B-Instruct memimpin dalam ujian seperti SlideVQA dan MMLongBench. Kemas kini ini menyokong tugas kompleks, panjang, dan multimodal. Senarai token baharu mungkin mendapat manfaat daripada pendekatan penaakulan berstruktur ini.
Sumber:Tunjukkan artikel asal
Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini.
Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.