Alibaba открывает исходный код ViDoRAG - интеллектуального инструмента анализа документов
Новая система анализа документов ViDoRAG от Alibaba с открытым исходным кодом достигает 79.4% точности в тестовых средах GPT-4o, что представляет улучшение более чем на 10% по сравнению с традиционными методами. Система может быстро анализировать сложные документы, содержащие текст, изображения и таблицы, эффективно отвечая на практические вопросы, такие как “Какова максимальная рабочая температура этого продукта?”
Три основные возможности
- Умное сканирование: Найти ключевую информацию в 100-страничных документах в течение 3 минут
- Кросс-медийная проверка: Автоматически проверять согласованность между текстовыми описаниями и данными диаграмм
- Точное отвечание: Предоставлять точные ответы с конкретными ссылками на страницы
Технические прорывы
- Трехуровневое интеллектуальное сотрудничество:
- Умный сканер (Seeker): Быстро идентифицирует релевантные страницы
- Профессиональный инспектор: Проводит глубокий анализ надежности контента
- Агент ответов: Синтезирует информацию для генерации финальных ответов
- Интеллектуальная гибридная выборка: Одновременно обрабатывает текстовый и графический контент
- Модульная архитектура: Независимая обновляемость для модулей выборки, анализа и генерации
Профессиональный тестовый набор данных
Набор данных ViDoSeek с открытым исходным кодом включает:
- 2,500+ реальных документов (руководства по продуктам/академические статьи/финансовые отчеты)
- Четыре категории вопросов:
- Выборка текстовой информации
- Анализ данных диаграмм
- Ассоциация контента между страницами
- Вывод комплексных заключений
Практические применения
- Производство: Быстрое извлечение технических параметров из руководств по оборудованию
- Образование: Анализ диаграмм экспериментальных данных в исследовательских статьях
- Финансы: Автоматическое извлечение ключевых метрик годовых отчетов с генерацией резюме
Ключевая информация
- Репозиторий с открытым исходным кодом: Проект GitHub
- Тестовый набор данных: Скачивание HuggingFace
- Техническая статья: Детали исследования
Технический руководитель Alibaba заявил: “ViDoRAG функционирует как интеллектуальный микроскоп с профессиональными помощниками, позволяя быстро извлекать ценную информацию из массивных документов. Модульный дизайн системы позволяет предприятиям свободно комбинировать функциональные компоненты на основе их потребностей.”