Pesquisadores miram gargalos na recuperação visual de documentos

Dois relatórios de pesquisa descrevem métodos para melhorar a recuperação visual de documentos, uma parte essencial da geração aumentada por recuperação multimodal. O VISOR propõe um framework de agente único para RAG visual que usa um espaço de evidências estruturado, avaliação e correção de ações visuais e mecanismos voltados a reduzir desvios em buscas de longo horizonte. O ConceptFormer propõe conceitos latentes adaptativos, condicionados à consulta, para alinhar consultas a páginas de documentos visualmente ricas sem depender de representações textuais intermediárias nem de anotações visuais brutas.