PixelRAG supera a los analizadores de texto en precisión y reduce los costos de los tokens de los agentes de IA en 10x.

Los investigadores presentaron PixelRAG, que reemplaza el análisis de HTML a texto en RAG indexando capturas de pantalla de páginas web renderizadas y alimentando los fragmentos de imagen recuperados a un modelo de lenguaje visual. En seis pruebas comparativas con datos a escala de Wikipedia, superó a RAG de texto hasta en un 18,1 % y redujo los tokens de aviso del agente aproximadamente diez veces. La segmentación visual aún no se ha resuelto, por lo que se recomienda el uso híbrido.