LIFT
PulseAugur coverage of LIFT — every cluster mentioning LIFT across labs, papers, and developer communities, ranked by signal.
- 2026-06-23 product_launch Datalab released lift, a 9B open-weights vision model for structured extraction from PDFs and images using JSON schemas. 来源
5 天有情绪数据
-
新的LIFT框架通过反应式力注入增强VLA策略
研究人员开发了LIFT（Late Reactive Injection of Force for VLA Post-Training，用于VLA训练后期的反应式力注入）框架，旨在提高视觉语言动作（VLA）策略的性能，特别是在接触丰富的操作任务中。该方法集成了一个反应式动作专家，该专家利用最近的力反馈在执行过程中优化动作，解决了纯视觉驱动方法的局限性。LIFT还包含一个在线DAgger循环以适应反馈变化，并在毛巾折叠和Hanoi塔放置等…
-
Datalab 的 Lift 9B 模型在 Schema-First PDF 提取方面处于领先地位
Datalab 的 Lift 是一款新推出的拥有 90 亿参数的视觉语言模型，专为 Schema-First 文档提取而设计。与首先将文档解析为中间格式再提取字段的传统方法不同，Lift 旨在一次性直接从 PDF 和图像输出 Schema 形状的 JSON。在 Datalab 自行进行的基准测试中，Lift 的字段准确率达到了 90.2%，高于其最接近的开源竞争对手 NuExtract3 的 81.5%。Lift 被定位为一种专门的工…
-
开源模型助力企业AI实现PDF到JSON的转换
新的开源模型正在涌现，用于将PDF中的非结构化数据转换为可用的JSON格式，满足企业AI应用的关键需求。这些模型主要分为两类：针对发票和表单等已知字段的模式驱动提取，以及能够将整个页面（包括布局和表格）重构为结构化JSON或Markdown的文档解析。Datalab的lift和NuMind的NuExtract 3等模型提供了本地、经济高效的模式驱动提取解决方案，而IBM的Docling则为各种文件类型提供了全面的文档解析功能。
-
LIFT工具将研究PDF转换为带模式引导的结构化JSON
一个教程演示了如何使用LIFT工具将研究PDF转换为结构化JSON数据。该过程包括设置GPU环境，利用4位NF4量化在内存有限的GPU上运行，并生成带有故意干扰项的合成研究报告。这种受控环境允许从文档布局中进行模式引导的特定字段提取，如标题、作者、数据集和指标。
-
Datalab 发布 lift，一个用于结构化 PDF 提取的 9B 参数开放权重视觉模型
Datalab 推出了 lift，一个 9B 参数的开放权重视觉模型，专为从 PDF 和图像中提取结构化数据而设计。该模型以 JSON 模式作为输入，并生成符合该模式的 JSON 对象，在基准数据集上实现了 90.2% 的字段准确率。lift 可一次性处理整个多页文档，并提供模式约束解码，以确保输出的结构有效性。
-
新的LiFT框架使用线性规划来控制Transformer过拟合
研究人员推出了一种新颖的Transformer模型微调框架LiFT，该框架利用线性规划来控制过拟合。该方法将微调表述为一个双层优化问题，联合更新模型参数和正则化超参数。通过求解线性规划，LiFT识别出一种面向验证的下降方向以进行集中更新，从而减少了广泛重新训练的需求。在WikiText-2上对GPT-2 Small进行的实验表明，LiFT能够有效地调整Transformer块和正则化参数，尤其是在易于过拟合的情况下，提高了测试困惑度。
-
新框架通过知识蒸馏创建轻量化扩散模型
研究人员开发了一个名为 LIFT and PLACE 的新知识蒸馏框架，以创建更高效的扩散模型。该方法通过使用粗到精的对齐策略，解决了学生模型模仿复杂教师模型时遇到的困难。实验表明，该方法在各种扩散模型类型和任务中都有效，即使在显著压缩学生模型的情况下，FID得分也达到了 15.73。
-
LIFT 管道通过微调小型模型改进表格提取
研究人员推出了一种新颖的表格提取改进管道 LIFT。该方法首先使用大型语言模型生成初始表格，然后使用一个经过微调的小型模型进行纠错。在近 2600 个表格的基准测试中，LIFT 的性能与端到端微调相当或更优，尤其是在训练数据稀缺或输入变异性高的情况下表现出色。