論文の概要: PULSAR: Pooled Unified Late-Interaction Search and Retrieval for Enterprise Visual Document RAG

• arxiv url: http://arxiv.org/abs/2608.28572v1
• Date: Fri, 28 Aug 2026 17:49:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.426591
• Title: PULSAR: Pooled Unified Late-Interaction Search and Retrieval for Enterprise Visual Document RAG
• Title（参考訳）: PULSAR: エンタープライズビジュアルドキュメントRAGのための統一された後期インタラクション検索と検索
• Abstract要約: 機関投資家は、視覚的に密集したピッチデッキ、ボードパック、ディリジェンス素材を検索する。 OCRに続く数字の言葉化は、この規模でリフレッシュするのにコストがかかり、チャートの詳細を失う可能性がある。 本稿では,ムバダラ・インベストメント・カンパニーに展開する生産ビジョンファースト検索システムPULSARについて紹介する。
• 参考スコア（独自算出の注目度）: 2.1857242969380204
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Institutional investors search visually dense pitch decks, board packs, and diligence materials that change hourly near deal closing. OCR followed by figure verbalisation is costly to refresh at this scale and can lose chart detail. We present PULSAR, a production vision-first retrieval system deployed at Mubadala Investment Company. PULSAR indexes page images with a frozen ColPali-style backbone and uses a pooled two-stage late-interaction index: compact page summaries support initial retrieval, followed by exact MaxSim rescoring over a finer pooled representation. On ViDoRe V3, this design reduces median vector-search latency by 15.1 times against an unpooled configuration with less than 0.01 absolute NDCG@10 and Recall@10 loss; production median vector-search latency is 156 ms. Under concurrent load, the pooled index sustains approximately 88 times higher QPS than an unpooled index. The event-driven ingestion path is estimated to be approximately 20 times cheaper per page than the OCR+verbalisation baseline it replaced. Since March 2026, PULSAR has served 78 thousand documents and approximately 2.4 million pages across more than 3,000 deals. At the production top K, it more than doubles answer-fact recall over the OCR+verbalisation baseline.
• Abstract（参考訳）: 機関投資家は、視覚的に密集したピッチデッキ、ボードパック、ディリジェンス素材を検索する。 OCRに続く数字の言葉化は、この規模でリフレッシュするのにコストがかかり、チャートの詳細を失う可能性がある。 本稿では,ムバダラ・インベストメント・カンパニーに展開する生産ビジョンファースト検索システムPULSARについて紹介する。 PULSARは、凍結したColPaliスタイルのバックボーンでページイメージをインデックスし、プールされた2段階のレイトアクションインデックスを使用する。 ViDoRe V3では、この設計により、0.01絶対NDCG@10未満の非プール構成とRecall@10損失に対して、中央値のベクトル検索レイテンシを15.1倍削減する。 イベント駆動の摂取経路は、置換したOCR+バーバル化ベースラインの約20倍のコストと見積もられている。 2026年3月以降、PULSARは7万7千件の文書と約2.4万ページを3000件以上の取引で提供してきた。 プロダクショントップKでは、OCR+バーバリゼーションベースラインを2倍以上にリコールします。

関連論文リスト

• Query-Aware Token Budgeting for Efficient Late-Interaction Visual Document Retrieval [2.9503571330401814]
  遅延処理による視覚的文書検索は、ページ毎に多数のトークン埋め込みを格納することで、きめ細かいページ証拠を保存する。 提案手法は,高度に圧縮されたホットパスインデックスが候補を生成し,その後,ショートリストページのオリジナルトークンセット上でクエリ対応トークン予算処理を行う方法である。
  論文  参考訳（メタデータ） (2026-09-07T09:18:03Z)
• VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
  VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。 100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。 強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
  論文  参考訳（メタデータ） (2026-08-18T15:23:06Z)
• Submitted and Diagnostic Analysis of Full-Text Temporal Retrieval for LongEval-Sci [1.0312968200748118]
  LongEval-Sciは、コレクション変更による科学的検索を評価する。 本稿では,LongEval-Sci 2026におけるタスク1の公式結果と開発診断について報告する。
  論文  参考訳（メタデータ） (2026-07-05T02:52:30Z)
• MARQUIS: A Three-Stage Pipeline for Video Retrieval-Augmented Generation [64.33427079838602]
  ビデオからの検索強化生成は、大規模なコーパスから関連するオーディオ視覚的証拠を検索し、一貫性のある属性付きテキストに合成するシステムを必要とする。 MARQUIS:クエリ拡張、融合、再ランク付けを通じて、これらの制限に対処する3段階のパイプライン。 記事生成において、ITER-QA-BASEはCAGベースライン平均スコアを3.09から3.83に改善し、MARQUIS-RLMは3.30の人間スコアと非QAシステムの中で最も強い引用リコールを達成する。
  論文  参考訳（メタデータ） (2026-05-17T20:19:04Z)
• Iterative Multimodal Retrieval-Augmented Generation for Medical Question Answering [11.253079427884229]
  我々は,OCR テキストの代わりに PMC 文書ページイメージを検索し,原因を判断する反復型マルチモーダル RAG フレームワーク MED-VRAG を提案する。 視覚言語モデル(VLM)はそのクエリを反復的に洗練し、メモリバンクにエビデンスを蓄積する。 4つのQAベンチマークで、MEDVRAGの平均精度は78.6%に達した。
  論文  参考訳（メタデータ） (2026-04-30T11:16:07Z)
• IndexCache: Accelerating Sparse Attention via Cross-Layer Index Reuse [68.18308357205586]
  Longcontext Agenticは、大規模言語モデルの定義ユースケースとして登場した。 Sparseは、この課題を効果的に解決し、DeepSeek Sparse Attention(DSA)は、代表的なプロダクショングレードソリューションである。 我々は、レイヤを独自のインデクサを実行するフルレイヤの小さなセットと、最も近いフルレイヤのトップkインデックスを単純に再利用する共有レイヤの大多数に分割することで、層間の冗長性を利用するIndexCacheを紹介します。
  論文  参考訳（メタデータ） (2026-03-12T17:27:21Z)
• Rerank Before You Reason: Analyzing Reranking Tradeoffs through Effective Token Cost in Deep Search Agents [50.212640395029744]
  深層探索パイプラインにおける推論予算の配分について検討する。 BrowseComp-Plusベンチマークを用いて、モデルスケール、推論の労力、深度の再検討、トークン総コストのトレードオフを分析する。
  論文  参考訳（メタデータ） (2026-01-20T18:38:35Z)
• Beyond Patch Aggregation: 3-Pass Pyramid Indexing for Vision-Enhanced Document Retrieval [0.0]
  ドキュメント中心のRAGパイプラインは通常、OCRから始まり、次にチャンキング、テーブル解析、レイアウト再構築のための脆さが続く。 我々は,OCRフリーかつモデル非依存なマルチモーダル検索システムであるVisionRAGを紹介する。 VisionRAGは、ドキュメントを直接イメージとしてインデックスし、レイアウト、テーブル、空間的なキューを保存し、特定の抽出にコミットすることなくセマンティックベクターを構築する。
  論文  参考訳（メタデータ） (2025-11-26T07:18:06Z)
• Hierarchical Patch Compression for ColPali: Efficient Multi-Vector Document Retrieval with Dynamic Pruning and Quantization [0.0]
  ColPaliのようなマルチベクトル文書検索システムは、複雑なクエリのきめ細かいマッチングが優れているが、かなりのストレージと計算コストがかかる。 検索精度を保ちながらColPaliの効率を向上する,きめ細かいパッチ圧縮フレームワークであるHPC-ColPaliを提案する。 提案手法は,(1)1バイトのセントロイドインデックスにパッチ埋め込みを圧縮し,最大32$times$ストレージ削減を実現するK平均量子化,(2)Vision-Language Modelアテンション重みを利用した注意誘導動的プルーニングの3つの革新的手法を統合する。
  論文  参考訳（メタデータ） (2025-06-19T08:45:52Z)
• VisRet: Visualization Improves Knowledge-Intensive Text-to-Image Retrieval [56.12310817934239]
  クロスモーダルな埋め込みは概念の袋として振る舞うが、ポーズや視点のような構造的な視覚的関係が不足している。 この制限を緩和するT2I検索のための新しいパラダイムであるVisualize-then-Retrieve (VisRet)を提案する。 VisRetは、T2I検索をテキスト間類似性マッチングとして再キャストする、モーダル間の類似性マッチングとベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2025-05-26T17:59:33Z)
• Semi-Parametric Retrieval via Binary Bag-of-Tokens Index [71.78109794895065]
  SemI-parametric Disentangled Retrieval (SiDR)は、ニューラルパラメータから検索インデックスを分離するバイエンコーダ検索フレームワークである。 SiDRは、検索のための非パラメトリックトークン化インデックスをサポートし、BM25のようなインデックス化の複雑さを著しく改善した。
  論文  参考訳（メタデータ） (2024-05-03T08:34:13Z)
• CFIR: Fast and Effective Long-Text To Image Retrieval for Large Corpora [3.166549403591528]
  本稿では,高速かつ効率的な画像検索のための2段階の粗度指数共有検索(CFIR)フレームワークを提案する。 CFIRは、Recall@1000で既存のMLLMを最大11.06%上回り、トレーニング時間と検索時間をそれぞれ68.75%、99.79%削減している。
  論文  参考訳（メタデータ） (2024-02-23T11:47:16Z)
• HiVLP: Hierarchical Vision-Language Pre-Training for Fast Image-Text Retrieval [85.28292877465353]
  本稿では,高速画像テキスト検索のためのtextbfHierarchical textbfVision-textbfLanguage textbfPre-Trainingを提案する。 具体的には,粗いITRに対して異なる次元の表現を用いた新しい階層的検索対象を設計する。
  論文  参考訳（メタデータ） (2022-05-24T14:32:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。