论文
评估现代 RAG：文本、多模式、密集和后期交互管道
Evaluating Modern RAG: Textual, Multimodal, Dense, and Late Interaction Pipelines
摘要
检索增强生成（RAG）系统传统上依赖于基于文本的管道来从文档中提取和检索信息。虽然高效且轻量级，但这些方法通常难以处理通过布局、表格和视觉元素传达含义的文档。在视觉语言模型 (VLM) 的支持下，多模态管道的最新进展通过联合编码视觉和文本信号来提高检索质量，但计算和内存成本增加。我们提出了一种定量的、数据驱动的选择方法，指导从业者根据经验有效性和资源限制为给定文档语料库选择最合适的 RAG 管道。我们评估当代文本和多模式管道，包括密集和后期交互架构，分析它们的权衡，并为平衡检索性能与系统效率提供可操作的指导。