跳到正文

ViDoRAG

面向视觉丰富文档的多模态 RAG 框架

访问官网

ViDoRAG 是什么

ViDoRAG 被介绍为阿里巴巴自然语言处理团队开发的多模态检索增强生成框架,用于视觉丰富文档上的复杂推理。

你可以用它做什么

  • 对视觉与文本数据做多模态检索
  • 应用由 GMM 驱动的检索策略
  • 用多个代理支持多跳推理

上手流程

  • 克隆项目并安装依赖
  • 用 ingestion 脚本构建索引数据库
  • 启动多代理推理与生成任务

优点与缺点

✓ 我们认可的地方

  • 提供开源代码与数据集
  • 检索器和生成器可自定义

! 需要留意的地方

  • 框架面向视觉丰富的文档
  • 推理由多个代理完成

常见问题

由谁开发?

资料列出阿里巴巴自然语言处理团队。

检索策略由什么驱动?

资料描述由高斯混合模型(GMM)驱动。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法