شرکت سرمایه‌گذاری مبادله از مارس 2026 برای جست‌وجوی ارائه‌های سرمایه‌گذاری، بسته‌های هیئت‌مدیره و دیگر اسناد معاملاتی بر اساس تصویر صفحاتشان از PULSAR استفاده می‌کند. طبق مقاله‌ای که در arXiv و بخش صنعتی کنفرانس EMNLP 2026 منتشر شده، این سامانه 78,000 سند، معادل حدود 2.4 میلیون صفحه، را در بیش از 3,000 معامله پردازش کرده است.
این مقاله میانگین میانه زمان جست‌وجوی برداری در محیط عملیاتی را 156 میلی‌ثانیه گزارش می‌کند. در معیار ViDoRe V3، نمایه تجمیع‌شده PULSAR در مقایسه با نسخه غیرتجمیع‌شده، میانه تأخیر جست‌وجو را 15.1 برابر کاهش داد؛ در دو معیار رتبه‌بندی NDCG@10 و Recall@10 نیز افت مطلق کمتر از 0.01 داشت. این معیارها میزان سودمندی 10 نتیجه نخست جست‌وجو را می‌سنجند. زیر بار هم‌زمان، نمایه تجمیع‌شده حدود 88 برابر بیشتر از نسخه غیرتجمیع‌شده در هر ثانیه به پرس‌وجوها پاسخ داد. این نتایج را نویسندگان مقاله گزارش کرده‌اند و اطلاعات ارائه‌شده شامل ارزیابی مستقل نیست.
PULSAR چگونه صفحات را جست‌وجو می‌کند؟
بسیاری از سامانه‌های جست‌وجوی اسناد ابتدا با استفاده از تشخیص نوری نویسه‌ها یا OCR، متن موجود در تصاویر صفحات را به واژه‌های قابل جست‌وجو تبدیل می‌کنند. ممکن است توضیحاتی از نمودارها و دیگر شکل‌ها نیز بسازند. مقاله می‌گوید به‌روزرسانی این روش هنگام تغییر اسناد می‌تواند پرهزینه باشد و جزئیات نمودارها را از بین ببرد.
در عوض، PULSAR تصاویر صفحات را با استفاده از یک مدل بینایی ثابت، مشابه ColPali، نمایه‌سازی می‌کند. ابتدا خلاصه‌های فشرده صفحات را جست‌وجو می‌کند و سپس نتایج امیدوارکننده را با بازنمایی دقیق‌تری می‌سنجد. این روش دومرحله‌ای «تعامل دیرهنگام» نام دارد: سامانه پس از تهیه فهرستی کوتاه از نتایج، پرس‌وجو را با جزئیات صفحات مقایسه می‌کند و برای تطبیق نهایی به یک خلاصه واحد متکی نمی‌ماند.
مقاله در محیط عملیاتی به چه نتایجی رسید؟
بر اساس برآورد مقاله، هزینه ورود داده به PULSAR که با رویدادها فعال می‌شود، به‌ازای هر صفحه حدود 20 برابر کمتر از سامانه OCR و توصیف شکل‌هاست که جایگزین آن شده است. نویسندگان همچنین گزارش می‌کنند که در آستانه جست‌وجوی مورد استفاده در محیط عملیاتی، این سامانه بازیابی واقعیت‌های پاسخ را در مقایسه با روش قبلی بیش از دو برابر کرده است. در سامانه تولید متنِ مبتنی بر بازیابی، «بازیابی» می‌سنجد که آیا صفحات حاوی واقعیت‌های موردنیاز در میان نتایجی قرار می‌گیرند که در اختیار مدل تولیدکننده پاسخ گذاشته می‌شود یا نه.
این نتایج به یک سامانه در یک شرکت سرمایه‌گذاری مربوط است و آزمونی کلی برای محصولات جست‌وجوی اسناد به شمار نمی‌رود. مقاله ثابت نمی‌کند که PULSAR در دسترس سازمان‌های دیگر است.
چرا مهم است
برای کارکنان مبادله که اسناد معاملات را جست‌وجو می‌کنند، PULSAR می‌تواند یافتن صفحات مفید را در مجموعه‌های بزرگی که مرتب تغییر می‌کنند سریع‌تر و ارزان‌تر کند و در عین حال جزئیات نمودارها و دیگر عناصر بصری را حفظ کند. استقرار گزارش‌شده فقط در مبادله بوده و مشخص نیست سازمان‌های دیگر هم بتوانند از این سامانه استفاده کنند.
