EVIE: Evidence-Vector-Informed Embeddings for Visual Document Retrieval
EVIE：面向视觉文档检索的证据向量引导嵌入
🧭 视觉文档检索 · 多向量召回与索引压缩
Tencent IMA Product Center · Tencent Youtu Lab
提出视觉文档检索方案，用证据数据治理、双向蒸馏与层级索引压缩提升精度与存储效率
📌 工作参考价值（4 点）
- 数据治理方法可迁移：用多模态 judge 识别“有答案正样本”并过滤不可靠负样本，适合电商搜索、商品详情页图文匹配训练数据的自动清洗。
- Prefix-MRL 单 checkpoint 输出多个嵌套维度，线上可按延迟/存储预算动态切换 embedding 维度，无需重新编码或训练多个模型。
- HAC 索引压缩结合空间正则的 token 聚类，把多向量索引降到单阶段 MaxSim 可用的体积，128x 存储降低，适合大规模商品库的图文多向量召回。
- 多向量 + MaxSim 比单向量在图文混合 query-doc 匹配上更细粒度，但需控制索引大小，HAC 提供了准确率-存储权衡的新思路。