近日,摩根大通推出了DocLLM,這是一種為多模態(tài)文檔理解而設(shè)計(jì)的生成式語(yǔ)言模型。DocLLM作為L(zhǎng)LM的輕量級(jí)擴(kuò)展,用于分析企業(yè)文檔,涵蓋了形式、發(fā)票、報(bào)告、合同等在文本和空間模態(tài)交匯處具有復(fù)雜語(yǔ)義的文檔。
與現(xiàn)有的多模態(tài)LLM不同,DocLLM策略性地避免了昂貴的圖像編碼器,專注于邊界框信息,以融入空間布局結(jié)構(gòu)。該模型引入了一個(gè)分離的空間注意機(jī)制,通過將經(jīng)典變壓器中的注意機(jī)制分解為一組分離的矩陣。
DocLLM通過采用一個(gè)以學(xué)習(xí)填充文本片段為重點(diǎn)的預(yù)訓(xùn)練目標(biāo),來處理視覺文檔中的不規(guī)則布局和異構(gòu)內(nèi)容。
該模型具有一個(gè)分離的空間注意機(jī)制,促進(jìn)文本和布局模態(tài)之間的交叉對(duì)齊,以及一個(gè)擅長(zhǎng)有效處理不規(guī)則布局的填充預(yù)訓(xùn)練目標(biāo)。
在預(yù)訓(xùn)練DocLLM時(shí),數(shù)據(jù)來自兩個(gè)主要來源:IIT-CDIP測(cè)試集1.0和DocBank。前者包括與上世紀(jì)90年代煙草行業(yè)的法律訴訟相關(guān)的500多萬份文件,而后者包括50萬份具有獨(dú)特布局的文件。
對(duì)各種文檔智能任務(wù)進(jìn)行廣泛評(píng)估顯示,DocLLM在16個(gè)已知數(shù)據(jù)集中有14個(gè)的性能優(yōu)越于最先進(jìn)的LLM。該模型在4個(gè)設(shè)置中對(duì)先前未見數(shù)據(jù)集的強(qiáng)大泛化能力表現(xiàn)出色。
可見,未來摩根大通將以輕量級(jí)方式將視覺融入DocLLM,并進(jìn)一步增強(qiáng)其能力的承諾。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
近日,德國(guó)柏林國(guó)際電子消費(fèi)品展覽會(huì)(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計(jì)及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)成功斬獲兩項(xiàng)“IFA全球產(chǎn)品設(shè)計(jì)創(chuàng)新大獎(jiǎng)”金獎(jiǎng),有力證明了其在全球市場(chǎng)的強(qiáng)大影響力。
近日,中國(guó)家電及消費(fèi)電子博覽會(huì)(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項(xiàng)AWE 2024艾普蘭大獎(jiǎng)。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
由世界人工智能大會(huì)組委會(huì)、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會(huì)共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合上海人工智能實(shí)驗(yàn)室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開放原子開源基金會(huì)主辦的“2024全球開發(fā)者先鋒大會(huì)”,將于2024年3月23日至24日舉辦。