热点事件持续更新

POSTECH 提出 CANOPY：多模态 RAG 证据压缩

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

2026 年 10 月 6 日，AGI Hunt 报道，POSTECH 提出 CANOPY，一种面向多模态 RAG 检索证据的自适应粒度压缩方法。该方法以层级结构组织检索到的证据，按需选择压缩粒度，无需调用 LLM；当证据不足时，由 critic 发起补充检索。在 33M 条异构语料、5 项 QA 基准上，CANOPY 的平均准确率超过各检索基线，其中多跳 QA 的增益主要来自补充检索。在未路由的 Qwen3-VL-8B-Instruct 设定下，读入证据 token 减少 14.2%–27.7%，精度相当。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月6日

12:17
AGI Hunt
CANOPY：多模态 RAG 证据压缩，token 省近三成精度不掉
POSTECH 提出 CANOPY，用层级结构对多模态 RAG 检索证据做自适应粒度压缩，无需 LLM 调用，证据不足时由 critic 发起补充检索。在 33M 条异构语料、5 项 QA 基准上平均准确率超过各检索基线，多跳 QA 增益主要来自补充检索。未路由的 Qwen3-VL-8B-Instruct 设定下读入证据 token 减少 14.2%–27.7%，精度相当。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。