Новини›Ancora›Dharma Field Extractor: извлича полета от всеки документ в JSON
Ancora

Dharma Field Extractor: извлича полета от всеки документ в JSON

Hugging Face · сряда, 4 ноември, 19:50 · 1 мин четене

Модел с 2 милиарда параметъра, който вади точно полетата, които поискаш, по-добре от големите AI мод

Dharma-AI представи Field Extractor, модел, който от всеки документ извлича конкретни полета и ги връща като JSON. Той не връща целия текст на страницата, а само стойностите, които му поискаш, с правилните типове и вложената структура там, където документът е такъв.

При фактура например моделът връща всеки ред от артикулите като подреден списък, с количество и стойност, заедно с общите суми. При личен документ връща полетата под имената, които системата ти вече използва. Един и същи контролен пункт работи с всички видове документи, без допълнително обучение за всеки тип.

Имаш два начина да зададеш заявката. Можеш да поискаш всичко, което моделът може да намери, или да му дадеш точна схема, която трябва да попълни. Ако ще подаваш резултата към друга система, схемата е по-удобна, защото изходът следва нейните ключове и няма излишни полета. Когато стойност липсва в документа, се връща null.

Моделът е базиран на DharmaOCR-LITE v1.1 с 2 милиарда параметъра и е допълнително обучен върху 43 384 примера с ясно маркирани полета. Данните са от различни области: касови бележки, търговски фактури, формуляри, банкови извлечения и документи за самоличност.

В тест с 546 документа и 1638 случая резултатът е 0,834, което е по-високо от всички големи модели, с които е сравнен. Разликата в качеството е между 1,8 и 9,3 точки. Самият модел се пуска на собствена инфраструктура.

Още новини