Wyszukiwanie dokumentów na poziomie obrazów stron za pomocą modeli wizja–język tworzących wielowektorowe embeddingi i dopasowanie typu late interaction.
Page-image-level document retrieval using vision-language models that produce multi-vector embeddings matched with late interaction.
Zamiast wyciągać tekst z PDF-ów, system traktuje każdą stronę jak zdjęcie i szuka po tym, co na niej widać, z tabelami i wykresami włącznie.
Instead of extracting text from PDFs, the system treats each page as a picture and searches what it shows, including tables and charts.
Raporty pełne wykresów, tabel i skanów tracą sens po zamianie na zwykły tekst, więc asystent nie znajduje właściwej strony.
Reports full of charts, tables and scans lose their meaning when turned into plain text, so the assistant misses the right page.
Działa jak człowiek kartkujący segregator wzrokiem: rozpoznaje stronę po wykresie i układzie, nie tylko po słowach.
It works like a person flipping through a binder by eye, recognising a page by its chart and layout, not just its words.
Pytasz o zeszłoroczny wzrost sprzedaży, a asystent znajduje w stustronicowym raporcie slajd z właściwym wykresem słupkowym.
You ask about last year's sales growth, and the assistant finds the slide with the right bar chart in a hundred-page report.