0
RAG不再只搜文字：腾讯WeMM-Embedding把文本、图片、视频和文档塞进同一个向量空间
企业做RAG时有一个长期存在的偏差：知识库明明是多模态的，检索入口却被强行压成文本。PDF先OCR，PPT提取文字，设备照片生成Caption，视频转字幕，然后所有内容统一送进文本Embedding。这样做简单，也能解决不少问题，但代...
标签: 向量数据库
0
1000万向量约4GB？TurboQuant正在重写企业RAG的内存成本
turbovec基于Google Research的TurboQuant思路，把“1000万文档向量约4GB”带入企业RAG讨论。其当前README的顶层口径是31GB的FP32语料压至4GB，约减少87%；“约92%”来自其他摘要或特定基线，不能与这一数字混用。真正值得关注的是data-oblivious量化能否在无需训练码本的前提下，重平衡召回率、延迟、内存与运维复杂度。