合合信息TextIn发布“大模型加速器2.0”，文档单页处理耗时下降超30%
跟着大模型在社会运用中逐步遍及，人们在享用便当的一起，也面临着“AI 错觉”发生的危险。练习数据是影响大模型“认知才干”的要害要素，近期，上海合合信息科技股份有限公司(简称“合合信息”)TextIn“大模型加速器 2.0”版别正式上线，依据抢先的智能文档处理技能，对杂乱文档的版式、布局和元素进行精准解析及结构化处理，从数据源头下降大模型“错觉”危险，让大模型在与人类的交流中“更靠谱”。
图说：“大模型加速器 2.0”文档解析引擎助力知识库了解手写笔记示意图。据悉，晋级后的“大模型加速器”在杂乱版面了解、表格及图表处理、内容溯源等才干上完成新打破，可精准辨认上千种文档中的跨页表格、兼并单元格、密布表格、手写字符及公式，解析稳定率达99.99%，单页处理耗时较职业可比产品下降超30%;可“逆复原”十余种专业图表数据，并将其转化为大模型可了解的结构化数据。此外，“大模型加速器 2.0”版别新增知识库系列开源组件，助力医疗、制作、教育等职业开发者构建个性化的知识库。
文档解析技能助力教育大模型建造。
大模型需求不断“吸收”正确的专业知识，才干应对实践运用问题。合合信息技能团队成员表明，在处理年报、论文、实验室陈述等专业文档的过程中，一个符号的解析失误，便或许“误导”大模型，得出与现实相悖的定论。可信性的缺失，也限制了大模型在实践运用场景中的纵深拓宽。
赛尔教育科技发展有限公司(简称“赛尔教育”)系“中国教育和科研计算机网CERNET”的运营公司赛尔网络的重要子公司，是教育国际化、教育信息化、数字化教育计划的供给商。赛尔教育CTO、教育数字化事业部总经理杨林说到，教育职业中所触及的文档格局多样，在内容上也包含了表格、公式、手写字符、多语言文字等信息。怎么高效准确地提取各类文档中的文本信息，并非易事。
“教育职业的大模型建造工作中，数据的数量和质量起着决定性作用。咱们做了许多测验，模型的速度和准确性都达不到要求，严重影响科研工作的发展。”杨林表明，职业知识库的构建依据很多文档的文本信息提取，需求高功率、高准确率的工具。合合信息文档解析技能供给了专业的技能支撑和服务，有用处理了文档处理过程中的问题。
在“大模型加速器”的支撑下，合合信息与赛尔教育一起协作，进步大模型对杂乱版面、元素的“了解力”，使其依照人类正常的阅览次序辨认文档结构，智能区分标题、阶段、表格和图表等内容块，协助大模型了解版面、内容间的对应联系，削减AI“错觉”现象。
图说：图表解析模块将图表复原为表格数据。除了杂乱的版面布局，品种繁复、空间结构杂乱的图表元素也是解析难点地点。“大模型加速器2.0”图表解析模块可智能提取多种图表中的要害数据点、坐标轴信息、图例阐明等，在精准解析不同类型图表数据的基础上，将其复原为一组完好的Excel表格数据，作用于教育职业大模型微调，学科知识库建造、智能审理等环节。
智能溯源让大模型用得更“安心”。
近期，多家券商组织纷繁宣告接入大模型，协助剖析师、职业研究员等专业人士进步工作功率。为协助用户简化专业文档数据挑选和数据抽取流程，进步文档内容解读功率与准确率，“大模型加速器 2.0” 上线了知识库产品组件，支撑杂乱文档的智能问答、总结与检索。
为了让职业“安心”运用大模型，知识库产品推出溯源功用，经过在“投喂”给知识库的Markdown及JSON文件中标记页码、坐标等空间方位信息，完成对语句、阶段的准确溯源，为用户供给了一个快速查验的途径。以财政剖析为例，大模型在多份高达上千页的财报文件中找到收入、赢利等要害数据后，券商剖析师可利用溯源功用定位原表格，对信息进行复核，避免过错、遗失。
图说：知识库对财报数据地点表格进行精准溯源。现在，知识库组件已面向开发者开源，协助其依据本身需求快速构建个性化职业知识库。此前，合合信息已开源智能文档处理“百宝箱”系列产品，处理文档解析精度低、解析作用评价难等问题，开发者可依据研制需求灵敏调配运用。未来，“大模型加速器”将继续优化迭代，助力大模型在各行各业中“百家争鸣”。
请求创业报导，共享创业好点子。点击此处，一起讨论创业新机遇！