尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
EVIE-4.5B发布:为什么这款4.5B视觉文档检索模型能登顶ViDoRe SOTA榜单?
EVIE-4.5B发布为什么这款4.5B视觉文档检索模型能登顶ViDoRe SOTA榜单【免费下载链接】EVIE-4.5B项目地址: https://ai.gitcode.com/tencent_hunyuan/EVIE-4.5BEVIE-4.5B 是腾讯开源的一款轻量级视觉文档检索模型Visual Document Retrieval基于 Qwen3.5 多模态底座仅 4.5B 参数就在 ViDoRe V3 官方榜单上拿下 65.70 分、位列第二与 8B 旗舰版共同包揽前两名。它不用 OCR直接看图检索把文档页面和自然语言查询各自编码成一组向量用多向量晚交互late-interaction逐 token 比对从而精准命中复杂表格、图表和小字号排版。本文带你快速看懂它的核心技术、榜单成绩和上手方法。 什么是视觉文档检索EVIE-4.5B 解决什么问题传统先 OCR 再文本检索的方案会把整页文档压成一段纯文本表格结构、图表、版面布局这些信息全部丢失。视觉文档检索VDR的思路完全不同文档端直接把页面图片送进视觉语言模型得到一组多向量表示查询端用一句自然语言提问如第三季度的总收入是多少得到查询向量匹配通过 MaxSim 晚交互打分查询的每个 token 去找文档中最像的那个 token再求和。下面这张发票页面图就来自仓库内置的检索演示集EVIE-4.5B 可以直接对这类图片做语义检索模型架构配置见 config.json底座为ColQwen3_5嵌入维度最高 2048原生支持 64/128/256/512/1024/2048 六档 Matryoshka 头。 登顶 ViDoRe 榜单成绩有多能打在 ViDoRe 官方排行榜V3, Mean Task上EVIE 双模型包揽前二在完整 138 任务评测矩阵中EVIE-4.5B 拿下 ViDoRe V1 的 92.53、V2 的 74.91、V3 的 66.02nDCG10四项榜单宏平均 78.98。排名模型参数量ViDoRe V3 均分 #1EVIE-8B8.4B66.24 #2EVIE-4.5B4.5B65.70#3webAI-ColVec1.1-8b8.4B64.95#4VultronRetrieverPrime-Qwen3.5-8B8.4B64.26亮点在于4.5B 的 EVIE-4.5B 以一半的参数量把同级别的 ColVec1.1-4b63.90甩开近 2 分。分领域看它在计算机科学81.72、能源72.32、医药70.27等硬核领域均超过多数 8B 对手。 三大核心技术一次讲透1️⃣ 多向量晚交互细节不丢失的关键稠密单向量检索把一整页压缩成一个点高分辨率细节复杂表格、小字号 inevitably 被平均掉。EVIE 保留每个 token 的独立向量用公式S(Q,D) Σᵢ maxⱼ (qᵢ·dⱼ)打分——查询词落在哪文档里对应的局部区域就负责回应这是它在表格和图表页面上大幅领先的原因。2️⃣ Prefix-MRL一个检查点6 种维度随便切EVIE-4.5B 用单个 2048D 线性投影头做弹性表示运行时截断到任意前缀维度即可无需为每个维度训练独立模型维度每向量大小ViDoRe V3 (nDCG10)20484 KiB66.025121 KiB65.90256512 B65.6864128 B64.51截断到 64D 仅损失约 1.5 分而索引体积缩到 1/32——部署时按存储预算自由取舍。3️⃣ HAC 无损压缩每页从 750 个向量减到 32 个原始晚交互表示每页约 750 个 patch 向量索引开销巨大。EVIE 集成免训练的层次凝聚聚类HAC在语义位置联合空间里把 patch 聚成 32 个语义中心源码见 code/compress/hac/core.py100 万页索引仅需3.81 GiB且无需重新训练模型SKU每页向量数100 万页索引ViDoRe V3d64 K32323.81 GiB59.58d64 K64647.63 GiB62.06 快速上手三条命令跑起图片文档检索仓库自带 8 页演示文档发票、财报、专利、组织架构图等克隆后三步即可体验git clone https://gitcode.com/tencent_hunyuan/EVIE-4.5B cd EVIE-4.5B pip install -r requirements.txt python infer.py \ --query What is the total quarterly revenue? \ --image examples/demo/pages/q3_revenue.png \ --image examples/demo/pages/invoice_4412.png独立推理 CLIinfer.py支持--head 128切换 Matryoshka 维度、--device cpu无显卡回退一键评测 8 页 demoexamples/demo/run.sh输出 nDCG/Recall 等完整指标也兼容 sentence-transformers 的MultiVectorEncoder接口几行代码即可接入现有检索管线。 仓库结构与进阶资源仓库已完整开源模型权重、训练管线和压缩算法目录结构清晰模型权重与配置model.safetensors、config.json多向量检索引擎ColQwen3.5 Prefix-MRLcolpali/8B 教师模型训练与合并code/teacher/4.5B 学生模型 ARD 蒸馏训练code/student/HAC 压缩管线code/compress/138 任务评测框架code/shared/环境变量模板env.sh.example想完整复现 4.5B 蒸馏流程按顺序执行bash code/teacher/run.sh→bash code/student/run.sh→bash code/shared/eval_run.sh即可详见 README.md。✅ 小结为什么值得你关注精度ViDoRe V3 榜单 66.02nDCG104.5B 小模型打赢一众 8B 大模型灵活Prefix-MRL 单头弹性维度64D–2048D一份权重覆盖多种部署场景省存储HAC 免训练压缩每页 32 个向量百万页索引仅 3.81 GiB全开源权重、训练代码、压缩算法、评测套件一应俱全Apache-2.0 协议可商用。如果你的业务里有用一句话找文档图片的需求——财报检索、合同定位、专利比对、报错截图溯源——EVIE-4.5B 是目前开源阵营里精度与体积平衡得最好的选择之一。【免费下载链接】EVIE-4.5B项目地址: https://ai.gitcode.com/tencent_hunyuan/EVIE-4.5B创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
RELATED

相关推荐

3行代码接入Android扫码:RxTool把相机、权限与解析都接过去了

3行代码接入Android扫码:RxTool把相机、权限与解析都接过去了

3行代码接入Android扫码:RxTool把相机、权限与解析都接过去了 【免费下载链接】RxTool Android开发人员不得不收集的工具类集合 | 支付宝支付 | 微信支付(统一下单) | 微信分享 | Zip4j压缩(支持分卷压缩与加密) | 一键…

📅 2026/11/4 16:17:11
从零构建Coding Agent:Deuz SDK写代码、跑测试、自愈循环完整教程

从零构建Coding Agent:Deuz SDK写代码、跑测试、自愈循环完整教程

【免费下载链接】Deuz-SDK TypeScript AI SDK and agent framework with zero dependencies. Build production AI agents and multi-agent swarms: durable execution, long-term memory, hybrid RAG, MCP client/server, A2A, human-in-the-loop approvals, CodeAct sandboxe…

📅 2026/11/4 16:12:11
class-validator 验证的5个开关:如何让错误只出现在该出现的地方

class-validator 验证的5个开关:如何让错误只出现在该出现的地方

class-validator 验证的5个开关:如何让错误只出现在该出现的地方 【免费下载链接】class-validator Decorator-based property validation for classes. 项目地址: https://gitcode.com/gh_mirrors/cl/class-validator 更新用户资料的接口,有时 a…

📅 2026/11/4 16:12:11
MORE NEWS

更多资讯

📰

ArcGIS外业质检插件开发:提升农田调查效率的解决方案

1. 项目背景与痛点分析 在外业调查项目中,质检环节一直是让从业人员头疼的"老大难"问题。以高标准农田外调项目为例,一个完整的质检流程通常涉及以下数据源: 空间数据 :存储在ArcMap中的点、线、面要素 属性数据 &…

📰

分光计测三棱镜顶角原理与实操精要

简介:本资源是一份完整的大学物理实验报告,面向高校物理类专业本科生及实验课程学习者,聚焦分光计这一核心光学仪器的操作与原理应用,重点解决三棱镜顶角与折射率测量中的调校难点与数据处理问题。报告涵盖分光计结构认知、望远镜…

📰

基于本体语义网络的智能运维故障定位Agent实践

凌晨两点多,手机告警把我震醒:核心订单服务P99延迟从200毫秒直接飙到两秒。打开监控平台,屏幕上红黄黄一片,链路追踪里全是超时,日志里各种报错混在一起。这时候运维排查才开始:看拓扑、查数据库指标、翻变…

📰

51单片机I²C驱动LCD1602:PCF8574T四线接法与时序精控

简介:本资源是一套面向51单片机初学者与嵌入式开发者的LCD1602字符屏IC精简驱动方案,聚焦IO资源受限场景下的高效显示实现。通过PCF8574T IC扩展芯片将传统16线并口简化为仅需SCL/SDA两根信号线加电源,显著降低STC89C51等经典51单片机的引脚占…

📰

3.3万Star声音克隆工具实战:部署、训练与调优全记录

GitHub 上这个声音克隆工具,Star 数在短短几天内冲到了 3.3 万。我第一时间拉下来试了试,从部署、训练到出成品,折腾了两周。这篇文章不是官方教程,是我在真实项目里踩过坑之后的记录,主要讲清楚三件事:它到…

📰

星鸦优化算法求解柔性作业车间调度问题

1. 项目背景与问题定义柔性作业车间调度问题(Flexible Job-shop Scheduling Problem, FJSP)是制造业中一个经典且具有挑战性的优化难题。与传统的作业车间调度不同,FJSP允许每道工序在多个可选机器上加工,且不同机器上的加工时间可…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬