Tongyi Lab เปิดตัว VimRAG: โครงสร้างพื้นฐาน RAG แบบหลายรูปแบบพร้อมกราฟความจำ

ข่าวจาก ME News เมื่อวันที่ 10 เมษายน (UTC+8) ห้องปฏิบัติการทงอี้ (Tongyi Lab) ของอาลีบาบาได้เปิดตัวกรอบงาน RAG แบบมัลติมีเดียรุ่นใหม่ชื่อ VimRAG โดยมุ่งแก้ไขปัญหา “ช่องว่างสถานะ” ที่ระบบเดิมเผชิญมานาน VimRAG ได้ยกระดับบันทึกประวัติเชิงเส้นแบบดั้งเดิมให้เป็นแผนที่ความจำแบบมัลติมีเดีย (Multimodal Memory Graph) โดยจัดโครงสร้างกระบวนการให้เหตุผลในรูปแบบกราฟแบบมีทิศทางและไม่มีวงจร (DAG) เพื่อลดการค้นหาซ้ำซ้อนและติดตามเส้นทางการสำรวจอย่างสมบูรณ์ พร้อมนำเข้าการเข้ารหัสความจำภาพแบบปรับเปลี่ยนตามกราฟ (Graph-Modulated Visual Memory Encoding) เพื่อจัดสรร Token แบบปรับตัวสำหรับข้อมูลภาพที่มีภาระสูง โดยใช้กลไก GGPO เพื่อจัดสรรเครดิตแบบละเอียด ช่วยเพิ่มความแม่นยำในการอ้างอิงผลลัพธ์ของการให้เหตุผล ตามข้อมูลการประเมินที่เผยแพร่ VimRAG แสดงผลงานโดดเด่นในการทดสอบมาตรฐานมัลติมีเดียหลายรายการ เช่น SlideVQA, MMLongBench และ LVBench โดยรุ่น Qwen3-VL-8B-Instruct มีคะแนนรวมนำหน้าโซลูชันอื่นๆ ในหมวดเดียวกัน เป้าหมายของ VimRAG คือผลักดัน M-RAG จาก “การค้นหาอย่างง่าย” สู่ “การให้เหตุผลที่เชื่อถือได้ตามโครงสร้าง” เพื่อจัดเตรียมโซลูชันระดับระบบที่แข็งแกร่งยิ่งขึ้นสำหรับการจัดการเอกสารยาวที่ซับซ้อนและสถานการณ์แบบผสมผสานมัลติมีเดีย (ที่มา: BlockBeats)