Alibaba lanza ViDoRAG: herramienta de análisis de documentos inteligente de código abierto

El sistema de análisis documental inteligente ViDoRAG de código abierto de Alibaba ha alcanzado una precisión del 79.4% en pruebas con GPT-4o, superando los métodos tradicionales en más de 10%. Este sistema puede analizar documentos complejos que combinan texto, imágenes y tablas, respondiendo preguntas prácticas como "¿Cuál es la temperatura máxima de funcionamiento del producto?".

Tres capacidades principales

1. Escaneo inteligente: Localiza información clave en documentos de 100 páginas en 3 minutos
2. Verificación cruzada: Comprueba automáticamente la coherencia entre texto e imágenes
3. Generación precisa: Proporciona respuestas con referencias de página exactas

Avances tecnológicos

• Colaboración tripartita de inteligencia:
  • Escáner inteligente (Seeker): Localización rápida de páginas relevantes
  • Verificador profesional (Inspector): Análisis profundo de fiabilidad del contenido
  • Generador de respuestas (Answer Agent): Síntesis de información para resultados finales
• Búsqueda híbrida inteligente: Interpreta tanto contenido textual como visual
• Diseño arquitectónico flexible: Módulos de búsqueda, análisis y generación actualizables por separado

Conjunto de datos de prueba

El conjunto de pruebas ViDoSeek incluye:

• Más de 2500 documentos reales (manuales técnicos/artículos académicos/informes financieros)
• Cuatro tipos de preguntas:
  • Búsqueda de información textual
  • Análisis de datos en gráficos
  • Relación de contenido entre páginas
  • Deducción de conclusiones integradas

Aplicaciones prácticas

• Manufactura: Extracción rápida de parámetros técnicos de manuales de equipos
• Educación: Interpretación de datos experimentales en artículos académicos
• Finanzas: Generación automática de resúmenes con indicadores clave de informes anuales

Información importante

• Código fuente: Página del proyecto en GitHub
• Datos de prueba: Descarga en HuggingFace
• Estudio técnico: Detalles completos de la investigación

El responsable técnico de Alibaba comentó: "ViDoRAG funciona como un microscopio inteligente con asistente profesional, capaz de extraer información valiosa de grandes volúmenes documentales. El diseño modular permite a las empresas combinar funciones según sus necesidades específicas."