腾讯近日在 Hugging Face 上发布了新一代视觉文档检索模型 EVIE-4.5B，并同步开源全部权重、训练流程、令牌压缩算法（HAC）及评测套件。该模型基于 Qwen3.5-4B 构建，参数规模约 4.61B，在视觉文档检索基准 ViDoRe V3 上取得 66.02 的 nDCG@10 分数，仅次于同系列旗舰模型 EVIE-8B（66.75），在同类轻量级模型中表现领先。
EVIE 采用晚期交互（late-interaction）多向量检索范式，与传统的稠密单向量检索不同，它通过令牌级表示保留高分辨率文档页面中的细节信息，如复杂表格、布局结构、图表和小字号文字，并使用 MaxSim 匹配计算查询与文档的相关性。这种设计使得模型在处理视觉信息密集的文档时更具优势。
EVIE-4.5B 的一大技术亮点是引入了单投影 Prefix-MRL（弹性多向量表示）。模型使用一个 2048 维的线性投影头，在推理时无需维护多个模型即可将向量维度自由截断至 64、128、256、512、1024 或 2048 维。根据官方数据，即使在 64 维的低维前缀下，模型在 ViDoRe V3 上仍能保持 64.51 的分数，而完整 2048 维时为 66.02，显示了良好的弹性与性能权衡。
在模型压缩方面，EVIE 集成了 HAC（层次凝聚聚类）令牌压缩算法，这是一种无需训练的即插即用方法，可在联合特征-空间域将视觉补丁令牌聚合为 32 或 64 个语义质心。原始晚期交互表示每页约保留 750 个视觉补丁向量，存储开销较大；应用 HAC 后，每页仅需 32 个向量，将索引存储压缩至每百万页 3.81 GiB，大幅降低了大规模文档检索的存储成本。
EVIE-4.5B 通过 ARD（锚点保持、容量感知的关系蒸馏）从 8B 参数的教师模型 EVIE-8B 蒸馏而来。该蒸馏方法结合令牌关系拓扑几何、难负样本边界校准和锚点保持对齐，使得学生模型即使在低维前缀下也能保持较高的检索精度。官方在 ViDoRe V1、V2、V3 及 JinaVDR 等基准上进行了全面评估，覆盖 138 个多语言任务，涉及 nDCG、Recall、MAP、MRR 等指标族。
在 ViDoRe 排行榜上，EVIE-4.5B 以 66.02 的 V3 分数位列第二，仅次于 EVIE-8B（66.75），并超越了多个 8B 级模型，如 webAI-ColVec1.1-8b（65.32）和 nemotron-colembed-vl-8b-v2（63.54）。从细分领域看，EVIE-4.5B 在计算机科学（81.72）、能源（72.32）等领域表现突出，但在物理（51.69）等专业领域仍有提升空间。
腾讯此次将 EVIE 系列完全开源，包括模型权重、训练流程、HAC 算法和评测套件，技术细节和正式研究论文将在后续更新中发布。这一举措为视觉文档检索领域提供了新的开源选择，尤其适合需要处理复杂文档的检索增强生成（RAG）应用场景，可能对 AI 基础设施层中的文档理解与检索环节产生积极影响。