視覺RAG

深度分析

當全域紋理主導：視覺RAG 單向聚合在財務文件檢索的局限與診斷

研究檢視視覺RAG在表格為主的財務文件上，將視覺patch壓縮成單向量是否遺失關鍵數值。作者用兩個財務測試集和多種聚合策略，結果顯示平均或最大池化無法辨別細微數字或文本變動，主因在於背景版面或格線的全域紋理主導，建議採多向量或學習型聚合以降低檢索風險。