Dharma Field Extractor: Trích xuất trường dữ liệu từ mọi tài liệu và trả về JSON có cấu trúc
Dharma-AI giới thiệu Dharma Field Extractor, mô hình 2 tỷ tham số biến ảnh tài liệu thành JSON có cấu trúc thay vì chỉ chép lại văn bản. Mô hình có chế độ mở để tự phát hiện các trường dữ liệu và chế độ theo lược đồ để điền đúng tên khóa, kiểu dữ liệu và cấu trúc được yêu cầu, bao gồm cả bảng lồng nhau và các dòng hàng; nếu tài liệu không có trường được hỏi, mô hình trả về null thay vì tự bịa giá trị. Mô hình được xây dựng trên DharmaOCR-LITE v1.1 và dùng một bộ điều hợp LoRA huấn luyện trên 43.384 mẫu, bao phủ tài liệu tiếng Anh, tài liệu Brazil bằng tiếng Bồ Đào Nha và một phần nhỏ dữ liệu đa ngôn ngữ. Bộ đánh giá gồm 546 tài liệu với 1.638 trường hợp trích xuất từ hóa đơn, biên lai, biểu mẫu, sao kê ngân hàng, giấy tờ tùy thân và tài liệu tổng hợp; điểm số đo độ chính xác ở cấp trường, độ tương đồng của giá trị và tỷ lệ JSON hợp lệ. Khi so sánh với bốn cấu hình mô hình ngôn ngữ tổng quát hàng đầu, Dharma Field Extractor được cho là dẫn trước 1,8 đến 9,3 điểm phần trăm và có chi phí thấp hơn khoảng 6 đến 147 lần, tùy cấu hình đối chiếu. Mục tiêu thực tế của mô hình là giúp xử lý tài liệu hàng loạt với chi phí thấp hơn và kết nối trực tiếp với cơ sở dữ liệu, hệ thống lập lịch, công cụ tuân thủ cùng các phần mềm khác mà không cần viết quy tắc ánh xạ trường riêng cho từng loại tài liệu.
Dharma Field Extractor đáng chú ý với các doanh nghiệp và lập trình viên cần xử lý số lượng lớn hóa đơn, biểu mẫu, giấy tờ tùy thân hoặc hồ sơ y tế. Mô hình có thể trả về JSON theo đúng tên trường mà hệ thống đang dùng, giúp giảm code ánh xạ thủ công; người dùng có thể thử trực tiếp từ trang dự án.
Đọc bài gốc