文档解析技术加速大模型训练与应用

　　PART 01

　　当前大模型训练与应用中的挑战

　　研究背景

　　当前大模型训练与应用过程的关键环节面临的问题

　　更多、更高质量的训练语料的需求–大模型训练

　　核心诉求

　　文档元素识别，表格、段落、公式、标题

　　转化速度快，上百页PDF

　　版面正确解析，双栏、三栏、文表混合

　　阅读顺序还原，避免混乱语序

　　更高精准、效率的文档解析的需求–大模型应用

　　大语言模型（LLM）驱动的检索增强生成（RAG）技术中确保能够从源文件中精准地提取内容，对于提高最终输出的质量至关重要。

　　在实际工作场景中，非结构化数据远比结构化数据丰富。但如果这些海量数据不能被解析，其巨大价值将无法发掘，其中PDF文档尤为突出。

　　研究方向：多版式、高精度、高性能的文档解析技术