合合信息大模型“加速器”亮相2024世界人工智能大會

7月4日至7日，2024世界人工智能大會在上海開幕。合合信息在大會上展示了其大模型“加速器”解決方案。據了解，在大模型訓練的上游階段，“加速器”中的文檔解析引擎將助力大模型突破在書籍、論文、研報等文檔中的版面解析障礙，從源頭為模型訓練與應用輸送純凈的“燃料”，助力大模型跑得更快；“加速器”還加載了行業領先的acge文本向量化模型，助力大模型解決“已讀亂回”的“幻覺”問題。

合合信息展臺。合合信息供圖

如果將大模型比喻為正在疾馳的科技列車，語料便是珍貴的“燃料”。對于中國的大模型企業而言，語料短缺問題更為嚴峻。當前大模型數據集主要為英文，中文語料占比較低；無線表、跨頁表格、復雜公式等元素的處理仍是大模型語料處理中的另一個“攔路虎”。

文檔解析技術是支撐大模型語料訓練的關鍵技術之一，合合信息的文檔解析引擎具備強大的“動能”，最快1.5秒可解析百頁長文檔中的文本、表格、圖像等非結構化數據，也是當前市面上同類文檔解析引擎中處理速度最快的產品之一；同時，引擎還具備優秀的文檔“理解力”，可智能還原文檔閱讀順序，加速了模型在預訓練、開發、使用落地等多方面的流程。

金融報表、行業報告等高知識密度的文檔中，表格的含義是最精華的數據指標。失之毫厘差之千里，一個單元格的理解問題，可能導致整個表格的識別結果產生誤差，所以表格的還原準確率，直接影響著模型問答的效果。在現場，參觀者可選擇物理、醫學、金融、社會學等多個知識領域的文檔，向大模型提問專業問題，例如對特定表格內容的總結、關鍵要素的分析等。對比測試結果顯示，加載了文檔解析引擎的大模型，在回答問題的速度、準確度上更勝一籌。

在文檔解析范疇中，針對圖表類素材的識別、內容理解是多數大模型亟待解決的障礙，合合信息大模型“加速器”則打通了這一堵點——引擎能夠深度“洞察”圖表內容，對研報、論文等文檔中的柱狀圖、折線圖、餅圖、雷達圖等十余種常見圖表進行“還原”，巧妙轉化大模型能夠理解的markdown格式，使數據和圖表的價值潛能充分釋放。

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構化數據，高效地學習理解商業研報和學術論文等專業文檔中的論證邏輯，提升語言理解、數據處理、知識推理分析的效率和準確性，滿足更高價值的金融和學術等應用場景的需要。

在實際應用場景中，圖表的呈現形式多樣。受美術排版、內容風格影響，部分圖表除坐標系區間外，不會顯示具體的節點數值，給大模型的“認知”工作帶來了困擾。值得關注的是，合合信息文檔解析引擎已經能夠做到在圖表不顯示具體數值的情況下，僅依據坐標軸區間估算具體數值，實現了行業級突破。