OpticalRAG：像素空间压缩实现高效检索增强生成
原文标题：OpticalRAG: Pixel-Space Compression for Token-Efficient Retrieval-Augmented Generation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 OpticalRAG，将文档渲染为页面图像，用冻结视觉编码器编码并蒸馏为仅 16 个注入 token 送入大模型。借助编码器桥接检索与查询驱动蒸馏，无需昂贵跨模态训练，在 LongBench-v2 等三个基准上取得最佳压缩感知准确率，Qwen2.5-7B-Instruct 提升 5.17 分。
- 问题
- RAG 受限于长文档的 token 预算，文本压缩又会不可逆丢失细节。
- 方法
- 把文档渲染成页面图像，用冻结视觉编码器编码并蒸馏为仅 16 个注入 token，靠编码器桥接检索免去跨模态训练。
- 结果
- 在 LongBench-v2、BAMBOO、LooGLE-v2 取得最佳压缩感知准确率，Qwen2.5-7B-Instruct 提升 5.17 分。
- 影响
- 为长文档 RAG 提供换模态压缩的思路，可显著降低上下文成本，值得做检索系统的团队评估。
深读 · 结论先行AI 生成展开看要点与影响 ↓
OpticalRAG 把文档渲染成页面图像再蒸馏为 16 个注入 token，在 Qwen2.5-7B-Instruct 上提升 5.17 分。
- •流程为：文档渲染为页面图像，用冻结视觉编码器编码，再蒸馏成最少 16 个注入 token 送入 LLM。
- •Encoder-Bridged Retrieval 把文本查询状态投影到冻结编码器的视觉特征空间做检索，无需对比学习训练。
- •Query-Driven Distillation 用轻量交叉注意力压缩器，把检索到的视觉 token 压成少量查询条件前缀 token。
- •在 LongBench-v2、BAMBOO、LooGLE-v2 三个基准上取得最佳压缩感知准确率。
为什么重要：给受上下文 token 预算限制的 RAG 系统提供一条换压缩模态而非砍文本的思路，代价是引入视觉编码链路。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 DeepMind 发布 AlphaGenome 2，精细预测突变细胞效应
AI 摘要谷歌 DeepMind 推出 AlphaGenome 2，基于 68 种组织、超 1 亿个细胞图谱训练，可预测遗传变异对特定细胞类型与状态的影响。该模型识别出的影响基因表达的变异数量约为上一代的两倍，并能在未重新训练的情况下预测新细胞类型，有望助力疾病机理研究与药物靶点发现。
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。