热点事件观察中

CANOPY实现多模态证据自适应压缩

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

2026年10月1日，arXiv发布CANOPY研究。该工作提出面向多模态检索增强生成（RAG）的自适应粒度证据压缩框架，将文本、表格、图像和视频组织为层级结构，并根据查询选择不同范围的证据区域。研究在包含3300万个异构项目的语料库和五个问答基准上进行评测，结果显示，CANOPY平均答案准确率高于评测中的检索基线。在未路由的Qwen3-VL-8B-Instruct设置下，压缩后输入给模型的证据token减少14.2%至27.7%，同时保持相近的答案准确率。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月1日

09:57
arXiv · 多模态、视频与世界模型
CANOPY 提出面向多模态 RAG 的自适应粒度证据压缩框架
CANOPY 提出一种面向多模态 RAG 的自适应粒度证据压缩框架，将文本、表格、图像和视频组织为层级结构，并按查询选择不同范围的证据区域。在包含 33M 个异构项目的语料库和五个问答基准上，CANOPY 的平均答案准确率高于评测中的检索基线；在 unrouted Qwen3-VL-8B-Instruct 设置中，压缩使读者输入证据 token 减少 14.2-27.7%，同时保持相近答案准确率。

本事件热度走势

当前热度 3·可比范围峰值 4（10月2日 17:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。