大型語言模型

速報

PixelRAG：以像素檢索強化大型語言模型的全新視覺化方法

研究提出 PixelRAG，一種將大型語言模型（LLM）與網頁截圖直接結合的檢索增強技術。不同於傳統先將 HTML 轉為純文字的流程，PixelRAG 以原始視覺形式保存網站資訊，利用視覺嵌入模型在像素空間進行檢索與閱讀，並將截圖直接餵入多模態模型（VLM）而不經文字抽象。