PixelRAG Tingkatkan Akurasi

Sebagian besar pipeline RAG perusahaan dimulai dengan mengonversi halaman web dan dokumen menjadi teks biasa sehingga dapat dipecah dan diindeks untuk diambil. Namun, langkah konversi ini menghancurkan sinyal pengambilan dan menyebabkan sebagian besar jawaban yang salah.

Tim peneliti dari UC Berkeley, Princeton University, EPFL, dan Databricks menerbitkan sebuah makalah yang memperkenalkan PixelRAG, sistem yang menghindari langkah konversi tersebut. PixelRAG merender halaman web sebagai screenshot, mengindeks gambar tersebut, dan memberikan tile yang diambil langsung ke model pembaca bahasa-vision. Dalam pengujian, PixelRAG outperforms text-based RAG pada enam benchmark, meningkatkan akurasi hingga 18,1% dibandingkan dengan baseline teks.

Menurut tim peneliti, penggunaan parser teks bukanlah tempat yang tepat untuk memperbaiki kesalahan. Yichuan Wang, penulis utama dan mahasiswa doktor UC Berkeley, mengatakan bahwa 'memperbaiki parser adalah proses yang tidak berakhir karena setiap situs web memerlukan penanganan khusus'. Tujuan mereka adalah untuk menjelajahi apakah kemajuan terbaru dalam model bahasa-vision memungkinkan untuk menghindari masalah tersebut dan membangun sistem pengambilan yang bekerja di seluruh situs web tanpa perlu penanganan khusus.