A Mubadala Investment Company usa o PULSAR desde março de 2026 para buscar apresentações a investidores, materiais para reuniões do conselho e outros documentos de negócios por meio das imagens de suas páginas. Segundo um artigo publicado no arXiv e no Industry Track da EMNLP 2026, o sistema processou 78.000 documentos — cerca de 2,4 milhões de páginas — em mais de 3.000 negócios.
O artigo informa que, em produção, o tempo mediano de busca vetorial foi de 156 milissegundos. No benchmark ViDoRe V3, o índice agrupado do PULSAR reduziu em 15,1 vezes a latência mediana de busca em comparação com a versão não agrupada, com perda absoluta inferior a 0,01 em duas métricas de classificação, NDCG@10 e Recall@10. Essas métricas avaliam a utilidade dos 10 primeiros resultados da busca. Sob carga simultânea, o índice agrupado processou cerca de 88 vezes mais consultas por segundo que a versão não agrupada. Esses resultados foram relatados pelos autores do artigo; as informações fornecidas não incluem validação independente.
Como o PULSAR busca páginas?
Muitos sistemas de busca de documentos primeiro usam reconhecimento óptico de caracteres (OCR, na sigla em inglês) para transformar o texto das imagens de páginas em palavras pesquisáveis. Eles também podem gerar descrições de gráficos e outras figuras. Segundo o artigo, essa abordagem pode ser cara para atualizar quando os documentos mudam e pode deixar de captar detalhes dos gráficos.
Em vez disso, o PULSAR indexa imagens de páginas usando um modelo de visão no estilo ColPali, com parâmetros congelados. Primeiro, busca resumos compactos das páginas e, em seguida, verifica os resultados promissores com uma representação mais detalhada. Esse método em duas etapas é chamado de interação tardia: após uma seleção inicial de resultados, o sistema compara a consulta com os detalhes das páginas, em vez de depender de um único resumo para determinar a correspondência final.
O que o artigo constatou em produção?
O artigo estima que a ingestão orientada por eventos do PULSAR custa cerca de 20 vezes menos por página que o sistema de OCR e descrição de figuras que substituiu. No limite de resultados usado na busca em produção, os autores também relatam que o sistema mais que dobrou a recuperação de fatos necessários para respostas em relação à abordagem anterior. Em um sistema de geração aumentada por recuperação, essa métrica indica se as páginas que contêm os fatos necessários aparecem entre os resultados disponíveis para o modelo que gera a resposta.
Os resultados descrevem um sistema em uma empresa de investimentos, e não um teste geral de produtos de busca de documentos. O artigo não demonstra que o PULSAR esteja disponível para outras organizações.
Por que importa
Para os funcionários da Mubadala que buscam informações em documentos de negócios, o PULSAR pode facilitar a localização de páginas úteis em grandes acervos que mudam com frequência, a um custo menor e preservando detalhes de gráficos e outros elementos visuais. O sistema foi implantado na Mubadala; não está estabelecido se outras organizações podem usá-lo.
