Ainda se preocupa com o processamento de documentos não estruturados em vários formatos? A Fireworks AI lançou recentemente um recurso inovador chamado “Incorporação de Documentos”, que converte documentos não estruturados como PDFs, capturas de tela e imagens em texto estruturado compreensível por modelos de linguagem grandes (LLMs). Isso fornece conteúdo textual pronto para uso para chatbots e modelos de IA, melhorando significativamente a eficiência e a precisão do processamento de documentos pela IA. O cerne da Incorporação de Documentos reside em sua poderosa capacidade de composição

Recentemente, a empresa de inteligência artificial Anthropic anunciou a adição de funcionalidade de processamento de arquivos PDF ao seu modelo Claude 3.5 Sonnet. Atualmente, essa funcionalidade está em fase de teste público. Os usuários agora podem usar o modelo para analisar texto e elementos visuais em documentos PDF, incluindo imagens, gráficos e tabelas, aplicável a diversos cenários como relatórios financeiros, documentos jurídicos e tradução de documentos. O processamento de PDFs pelo Claude 3.5 Sonnet é dividido em três etapas.

Recentemente, a H2O.ai anunciou o lançamento de dois novos modelos de linguagem visual projetados para melhorar a eficiência das tarefas de análise de documentos e reconhecimento óptico de caracteres (OCR). Esses modelos, H2OVL Mississippi-2B e H2OVL-Mississippi-0.8B, demonstram uma impressionante capacidade competitiva em relação aos modelos de grandes empresas de tecnologia, oferecendo potencialmente soluções mais eficientes para empresas com fluxos de trabalho pesados de processamento de documentos. H2OVL Mississippi

A equipe do produto Baidu Intelligent Cloud Qianfan AppBuilder lançou a versão v0.5.5, trazendo uma série de novos recursos e otimizações. O mais notável é o novo componente de compreensão de conteúdo de documento longo, capaz de analisar documentos de até 100.000 palavras, suportando recuperação de informações, resumo e análise de texto, melhorando significativamente a eficiência de leitura e análise. Simultaneamente, a nova versão também introduziu o agente de pessoa digital, suportando a configuração de imagens digitais 3D e, através de diálogo de voz e movimentos de lábios, expressões e ações impulsionadas por linguagem, tornando a interação do aplicativo mais realista e imersiva.

Pesquisa descobriu que os modelos de linguagem grandes frequentemente falham em responder corretamente a perguntas ao analisar documentos da Securities and Exchange Commission dos EUA. Os modelos de IA frequentemente geram números e fatos falsos ou se recusam a responder perguntas. O desempenho precisa ser muito melhor para uso prático em grandes empresas em setores regulamentados como finanças. Um dos desafios de aplicar modelos de IA a produtos reais é que eles são não determinísticos e não garantem a mesma saída a cada vez.