mcdse-2b-v1是一种新型多语言嵌入模型，支持灵活的视觉文档检索。它通过自然语言查询页面截图，整合表格和图像信息，省去传统OCR步骤。该模型在多语言上表现优异，支持将维度从1536缩减至256，保持高质量检索。训练数据来自24000个PDF文档，经过多次优化以适应不同的内存和速度需求。

构建检索增强生成（RAG）解决方案是热门话题，将大语言模型（LLM）与检索模型结合应用于专有知识数据库。ColPali是一种新颖的方法，将PDF页面截图转化为向量表示，无需复杂的预处理步骤。ColPali在视觉文档检索基准测试中表现出色，超过其他检索模型。与Vespa结合，可以构建强大的RAG管道，仅使用文档页面的视觉表示。

ColPali系列模型将图像和文本转换为多向量表示，适用于不同数据需求。包括ColSmol和ColFlor等小型高效模型，适合资源有限的环境。NVIDIA和Nomic AI提供多语言支持，后者为商业应用提供开源选择。ViDoRe基准测试评估视觉文档检索性能，双向注意力机制提升模型表现，适合多模态数据处理。