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

1. Умное сканирование: Найти ключевую информацию в 100-страничных документах в течение 3 минут
2. Кросс-медийная проверка: Автоматически проверять согласованность между текстовыми описаниями и данными диаграмм
3. 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.”