腾讯开放EVIE视觉文档检索模型，权重与评测代码一并开源

会懂网AI资讯，9月8日，腾讯发布EVIE-4.5B与EVIE-8B两款视觉文档检索模型，提供模型权重、训练流程、压缩算法和评测代码，采用Apache 2.0许可证。模型通过文本问题检索相关文档图像，保留表格、图表与版面等视觉信息。

文档检索看似简单，实则长期存在信息损失问题。传统方案先把PDF转成文本再检索，转换过程中表格结构、图表数据与版面关系往往丢失，而恰恰是这些部分承载了文档的核心信息。视觉文档检索直接在图像层面理解文档，绕开了这一瓶颈。

保留视觉信息的价值在财报、研报、合同等场景中尤为突出。一份财务报告的关键数据可能全在图表中，纯文本检索无法定位；而合同中的印章、手写批注与表格边框，同样需要视觉理解才能正确解读。

4.5B版本支持在运行时选用64至2048维表示，并用无需额外训练的聚类方法减少每页向量数量。官方给出的参考配置是：按每页32个、64维向量计算，百万页索引占用约3.81GiB，但该配置的检索得分低于未压缩配置。

这组数据值得仔细看。压缩确实能大幅降低存储占用，但代价是检索质量下降。对企业而言，真正要算的是”在自己的文件上省了多少存储、漏了多少证据，以及补救这些遗漏要花多少人工”，而非单纯追求容量数字。

官方报告两款模型在ViDoRe V3基准的nDCG@10分别为66.02和66.75。连同训练流程与评测代码一并开源，意味着研究者可以完整复现结果并在此基础上改进。对文档密集型的行业——金融、法律、医疗、科研，这类开源基座有直接的实用价值。