7月4日至7日，2024世界人工智能大會(huì)在上海舉行。在“百模大戰(zhàn)”激烈的競(jìng)爭(zhēng)中，如何從海量信息中抓取高質(zhì)量?jī)?nèi)容，更好地面對(duì)中國(guó)大模型在發(fā)展中面臨的語料短缺、數(shù)據(jù)處理等挑戰(zhàn)成為了難題。在大會(huì)上，合合信息展示了大模型“加速器”的解決方案，得到廣泛關(guān)注。

據(jù)介紹，在大模型訓(xùn)練的上游階段，“加速器”中的文檔解析引擎將助力大模型突破在書籍、論文、研報(bào)等文檔中的版面解析障礙，從源頭為模型訓(xùn)練與應(yīng)用輸送純凈的“燃料”，助力大模型跑得更快;“加速器”還加載了行業(yè)領(lǐng)先的acge文本向量化模型，助力大模型解決“已讀亂回”的“幻覺”問題，讓大模型在正確的航線上行駛得更遠(yuǎn)。

在大會(huì)現(xiàn)場(chǎng)，合合信息展示了其文檔解析引擎的強(qiáng)大能力。該引擎高效地在海量文檔中迅速提煉出純凈的“智慧燃料”。據(jù)介紹，該引擎最快可在1.5秒內(nèi)解析百頁(yè)長(zhǎng)文檔中的文本、表格、圖像等非結(jié)構(gòu)化數(shù)據(jù)，是當(dāng)前市場(chǎng)上處理速度最快的同類產(chǎn)品之一。更重要的是，它還具備出色的文檔“理解力”，能夠智能還原文檔的閱讀順序，為模型訓(xùn)練提供了更加精準(zhǔn)、有序的語料數(shù)據(jù)。

在文檔解析范疇中，針對(duì)圖表類素材的識(shí)別及內(nèi)容理解是多數(shù)大模型亟待解決的障礙。但合合信息大模型“加速器”則為打通這一障礙提供了幫助：引擎能夠深度“洞察”圖表內(nèi)容，“還原”研報(bào)、論文等文檔中的柱狀圖、折線圖、餅圖、雷達(dá)圖等十余種常見圖表，巧妙將其轉(zhuǎn)化為大模型能夠理解的格式，充分釋放出數(shù)據(jù)和圖表的價(jià)值潛能。

在文檔解析引擎的幫助下，大模型可以直接獲取圖表原始的結(jié)構(gòu)化數(shù)據(jù)，高效地學(xué)習(xí)理解商業(yè)研報(bào)和學(xué)術(shù)論文等專業(yè)文檔中的論證邏輯，提升語言理解、數(shù)據(jù)處理、知識(shí)推理分析的效率和準(zhǔn)確性，滿足更高價(jià)值的金融和學(xué)術(shù)等應(yīng)用場(chǎng)景的需要。在圖表不顯示具體數(shù)值的情況下，合合信息文檔解析引擎依然能夠做到僅依據(jù)坐標(biāo)軸區(qū)間估算具體數(shù)值，實(shí)現(xiàn)了行業(yè)級(jí)突破。

目前，大模型“加速器”已被多家大模型廠商應(yīng)用于金融、醫(yī)學(xué)、財(cái)經(jīng)、媒體等多領(lǐng)域的文檔的解析中，助力大模型更順利地接軌“專業(yè)課”，它不僅僅是一套技術(shù)工具，更是推動(dòng)行業(yè)專業(yè)知識(shí)管理革新、提升業(yè)務(wù)效率的重要基石。

合合信息作為深耕人工智能及大數(shù)據(jù)技術(shù)的領(lǐng)軍企業(yè)，憑借其在復(fù)雜場(chǎng)景文字識(shí)別、智能圖像處理、自然語言處理等領(lǐng)域的深厚積累，已在全球范圍內(nèi)為眾多行業(yè)提供了高效解決方案。