Mubadala Investment Company utiliza PULSAR desde marzo de 2026 para buscar en presentaciones, informes para la junta directiva y otros documentos de operaciones a partir de las imágenes de sus páginas. Según un artículo publicado en arXiv y en el EMNLP Industry Track de 2026, el sistema ha procesado 78.000 documentos —unos 2,4 millones de páginas— relacionados con más de 3.000 operaciones.
El artículo informa de un tiempo mediano de búsqueda vectorial de 156 milisegundos en producción. En la prueba de referencia ViDoRe V3, el índice agrupado de PULSAR redujo 15,1 veces la latencia mediana de búsqueda frente a una versión sin agrupar, con una pérdida absoluta inferior a 0,01 en dos métricas de clasificación, NDCG@10 y Recall@10. Estas métricas evalúan la utilidad de los 10 primeros resultados. Con consultas simultáneas, el índice agrupado procesó unas 88 veces más consultas por segundo que la versión sin agrupar. Se trata de resultados comunicados por los autores del artículo; la información proporcionada no incluye una validación independiente.
¿Cómo busca PULSAR en las páginas?
Muchos sistemas de búsqueda de documentos recurren primero al reconocimiento óptico de caracteres (OCR, por sus siglas en inglés) para convertir el texto de las imágenes en palabras que se puedan buscar. También pueden generar descripciones de gráficos y otras figuras. El artículo señala que actualizar este método cuando cambian los documentos puede ser costoso y que, además, puede hacer que se pierdan detalles de los gráficos.
En cambio, PULSAR indexa imágenes de páginas mediante un modelo visual de tipo ColPali, cuyos parámetros están congelados. Primero busca resúmenes compactos de las páginas y luego contrasta los resultados más prometedores con una representación más detallada. Este método en dos pasos se conoce como interacción tardía: el sistema compara la consulta con los detalles de las páginas después de crear una lista inicial de resultados, en lugar de basarse en un único resumen para determinar la coincidencia final.
¿Qué encontró el artículo en producción?
El artículo calcula que la ingesta basada en eventos de PULSAR cuesta unas 20 veces menos por página que el sistema de OCR y descripción de figuras al que sustituyó. En el umbral de búsqueda utilizado en producción, los autores también afirman que el sistema más que duplicó la recuperación de datos necesarios para responder, frente al método anterior. En un sistema de generación aumentada por recuperación, esta métrica indica si las páginas que contienen los datos necesarios aparecen entre los resultados disponibles para el modelo que genera la respuesta.
Los resultados corresponden a un sistema de una sola empresa de inversión; no son una evaluación general de productos de búsqueda de documentos. El artículo no demuestra que PULSAR esté disponible para otras organizaciones.
Por qué importa
Para el personal de Mubadala que busca información en documentos de operaciones, PULSAR podría facilitar una búsqueda más rápida y económica de páginas útiles en grandes colecciones que cambian con frecuencia, sin perder detalles de gráficos y otros elementos visuales. La implementación descrita es la de Mubadala; no se ha establecido si otras organizaciones pueden utilizar el sistema.
