实体
document extraction
document extraction
PulseAugur coverage of document extraction — every cluster mentioning document extraction across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
LLM文档提取技术对抗幻觉
大型语言模型（LLM）在文档提取过程中可能会出现幻觉，即捏造或错误归因信息，导致出现虚构的发票总额或不正确的供应商名称等错误。为解决此问题，技术包括将提取的值与其在源文档中的位置进行关联（grounding），使用校准的置信度分数（而非原始模型概率）来反映实际准确性，以及通过显式模式（schemas）约束提取以强制执行数据类型和结构。这些方法旨在使幻觉可检测和可管理，将风险转变为可审查的任务。
-
AI 工作流需要死信队列来处理失败上下文和重放
死信队列 (DLQ) 对于管理 AI 工作流中的失败至关重要，可以保留超越简单错误日志的关键上下文。这些队列存储已耗尽重试次数的作业，捕获工作流名称、输入数据引用、使用的模型、配置版本和错误分类等详细信息。这些信息对于诊断提供商停机、速率限制、过大上下文或工具超时等问题至关重要，能够安全且有计划地重放或修复失败的任务，而不是陷入无休止的重试循环。跟踪 DLQ 的指标还可以提供宝贵的产品反馈，突出显示在文档类型、提示、模型路由或提供商限…