Des chercheurs s’attaquent aux goulets d’étranglement de la recherche visuelle dans les documents

Deux rapports de recherche décrivent des méthodes visant à améliorer la recherche visuelle dans les documents, un élément clé de la génération augmentée par récupération multimodale. VISOR propose un cadre à agent unique pour le RAG visuel, fondé sur un espace de preuves structuré, l’évaluation et la correction d’actions visuelles, ainsi que des mécanismes destinés à réduire la dérive des recherches sur de longs horizons. ConceptFormer propose des concepts latents adaptatifs, conditionnés par la requête, afin d’aligner les requêtes avec des pages de documents visuellement riches, sans s’appuyer sur des représentations textuelles intermédiaires ni sur des annotations visuelles brutes.