Le filThèmes : RechercheÉvaluations
RenderRank classe des documents à partir de tokens visuels compressés plutôt que de tokens de texte
1 sourcemis à jour 29 sept.pertinence 3,0 sur5
L’essentiel
Sur 11 jeux de données BEIR, ce reranker utilise 16,5 à 35,5 % de tokens d’entrée en moins et obtient un NDCG@10 moyen de 55,96, devant tous les modèles textuels évalués de moins de 4 milliards de paramètres.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceSeongtae Hong, Youngjoon Jang, Jungseob Lee et al.huggingface.co
RenderRank: Learning to Rerank Text with Compressed Visual Tokens (site externe)
Rendering document text as images allows vision-language models to encode documents as visual tokens, which can reduce input sequence length compared with text input.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5