传统 RAG 处理网页和 PDF,很多时候会先转成文本,但表格、图片、排版一丢,原本的信息结构也跟着没了。 PixelRAG 换了个思路:不急着解析文本,而是直接把页面渲染成截图,再用视觉信息做检索。 这样表格、图表、复杂布局都能一起保留下来,AI 看到的更接近原始页面。 官方测试还给出了最高 18.1%
传统 RAG 处理网页和 PDF,很多时候会先转成文本,但表格、图片、排版一丢,原本的信息结构也跟着没了。
PixelRAG 换了个思路:不急着解析文本,而是直接把页面渲染成截图,再用视觉信息做检索。
这样表格、图表、复杂布局都能一起保留下来,AI 看到的更接近原始页面。
官方测试还给出了最高 18.1%