ColQwen3.5-v3 登頂 ViDoRe 排行榜

🔑 增強重點摘要

• •Tomoro ColQwen3 實現儲存成本減少 13 倍，相較 NVIDIA Nemo-3B 標準方法，將 100 萬圖像嵌入從 10.3 TB 降至 0.82 TB。
• •該模型在 ViDoRe V3 英文基準中設定新標準，同時在 V2 和 V1 任務維持頂級表現，涵蓋 ESG、經濟學和 DocVQA 等領域。
• •ColQwen3 源自 Qwen3-VL-Embedding 系列，該系列 8B 模型在 MMEB-V2 獲 77.8 分排名第一，並有 2B 和 8B 尺寸版本。

🛠️ 技術深入

• •採用晚期互動（late-interaction）架構，結合雙編碼器與重排序，提升 ViDoRe V2-V3 效能，儲存需求大幅降低。
• •嵌入維度降至 320，最大 token 數 1,280，用於視覺豐富文件檢索，支持多語言和多類型查詢。
• •支援完整端到端 RAG 管線評估，基於 ViDoRe v3 基準，涵蓋 10 個專業領域、26,000 頁文件和 3,099 人工驗證查詢。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線