OpticalRAG 预印本于 11 月 10 日提交，探索检索增强生成中的另一条压缩路线：把文档作为页面图像处理，而不是只压缩文字。
系统使用冻结的视觉编码器表示页面，将文字查询映射到视觉空间，检索相关信息后，再通过轻量压缩模块生成与问题有关的前缀表示。
作者在 LongBench-v2、BAMBOO 和 LooGLE-v2 上报告了只注入 16 个压缩 Token 的实验。这个数值指传入后端语言模型的表示，不包括文档编码、索引与检索的全部计算成本。
来源：arXiv 原文。
图片来源：论文作者 / arXiv。