DocLLM
D
Docllm
簡介 :
DocLLM是一個提供多模態文檔理解模型的平臺,旨在處理企業文檔中的文本和空間佈局,並提供優於現有大型語言模型的性能。其模型採用輕量級擴展,避免昂貴的圖像編碼器,專注於邊界框信息以納入空間佈局結構。通過分解經典Transformer中的注意機制,捕獲文本和空間模態之間的交叉對齊。此外,設計了一個預訓練目標,學習填充文本段落,以解決視覺文檔中經常遇到的不規則佈局和異質內容。該解決方案在14個任務的16個數據集中優於現有大型語言模型,並且對5個以前未見數據集具有良好的泛化能力。
需求人群 :
DocLLM可應用於企業文檔的理解和處理,特別擅長處理形式多樣、內容異質的視覺文檔。
總訪問量: 29.7M
佔比最多地區: US(17.94%)
本站瀏覽量 : 109.6K
使用場景
企業發票的文本和空間佈局理解
處理企業合同中的文本和空間結構
解析企業報告中的多模態信息
產品特色
處理企業文檔中的文本和空間佈局
優於現有大型語言模型的性能
避免昂貴的圖像編碼器
專注於邊界框信息以納入空間佈局結構
捕獲文本和空間模態之間的交叉對齊
學習填充文本段落,以解決視覺文檔中的不規則佈局和異質內容
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase