Azure Document Intelligence
PulseAugur coverage of Azure Document Intelligence — every cluster mentioning Azure Document Intelligence across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
弹球维修机器人使用LLM解读维修手册
一款名为Flipside的弹球维修助手机器人已被开发出来，通过参考维修手册帮助用户诊断问题。该机器人处理约2300份涵盖约一千台弹球机的文档，使用了Django、带pgvector的PostgreSQL以及Azure OpenAI。其开发中的主要挑战包括准确从表格中提取数据、标准化用户描述与手册语言之间的术语、按电子平台而非制造商正确分组文档，以及确保模型能批判性地评估不符合规格的电压读数。
-
Reducto 发布 r-1 单遍文档解析模型
Reducto 推出了 r-1，这是一款新的单遍文档解析模型，旨在提高准确性并降低成本。该模型将 OCR、布局检测和后处理等多个处理阶段合并为一次完成。Reducto 声称，与之前的模型相比，r-1 的错误率降低了 20%，并且成本显著降低，每页仅需一美分。
-
Cohere 发布 Parse 5 文档解析模型，价格性能表现强劲
Cohere 推出了 Parse 5，一款专为高容量企业用途设计的新型文档解析模型。该模型在从文本、表格、表单和图像中提取结构化数据方面表现出色，适用于检索增强生成 (RAG) 系统和自动化文档处理。Cohere 声称 Parse 5 提供了优于竞争对手的价格性能，成本远低于前沿 LLM 和超大规模云服务商的解决方案，甚至低于 Mistral AI。ParseBench 基准测试表明，Cohere Parse 在解析准确性、内容忠实度…
-
新系统为图表问题路由以节省VLM成本
研究人员开发了SAFE-Cascade系统，该系统通过在仅文本语言模型和更强大的视觉语言模型（VLM）之间自适应地路由查询来优化图表问答。这种方法旨在通过仅在必要时调用VLM来降低成本和延迟，具体取决于评估问题和图表复杂性的学习路由器。该系统在准确性方面与完整的VLM基线相当，同时显著减少了VLM的使用和估计成本。
-
TWIX系统推断文档模板以实现高效数据提取
研究人员开发了TWIX，一个用于从发票和财务报告等模板化文档中提取数据的新颖系统。TWIX不直接处理文档，而是推断生成它们的底层视觉模板。这种方法显著提高了准确性和效率，在多样化基准测试中，其精度和召回率比现有工具甚至GPT-4-Vision高出25%以上。TWIX还展现出卓越的可扩展性，对于大型文档集合，其速度和成本比竞争对手低几个数量级。