Mistral-ը թողարկել է OCR 4.1-ը՝ պարբերության մակարդակի շրջանակներով և վստահության գնահատականներով

Mistral-ը հրապարակել է OCR 4.1-ը՝ փաստաթղթերի ճանաչման ծառայության նոր տարբերակը, որի վրա աշխատում է ընկերության Document AI փաթեթը։ Մոդելը Mistral-ի փաստաթղթերում նշված է որպես հանրային նախադիտում (public preview), այն նկարագրող էջերը թվագրված են հուլիսի 16-ով, իսկ մոդելների կատալոգում այն հանդես է գալիս mistral-ocr-4-1 նույնացուցիչով։

Ինչն է նոր 4.1-ում

Նորույթներն ավելի շատ կառուցվածքային են, քան ճշգրտության մասին գովազդային պնդումներ. պարբերության մակարդակի շրջանակների (bounding box) ներկառուցված հանում, կառուցվածքային բլոկների պիտակներ և յուրաքանչյուր բլոկի համար վստահության գնահատական։ Երեք գործառույթը միասին նշանակում են, որ ծառայությունը վերադարձնում է նշագրված արդյունք՝ ո՞ր տեքստն է պատկանում որ բլոկին, որտե՞ղ է այն գտնվում էջում և որքանո՞վ է մոդելը վստահ դրանում, այլ ոչ թե ճանաչված նիշերի հարթ հոսք։ Վստահության ազդանշանը հատկապես կարևոր է այն գործընթացների համար, որոնք պետք է որոշեն, թե երբ ուղարկել էջը մարդու ձեռքով ստուգման և երբ կարելի է ավտոմատապես վստահել մոդելի արդյունքին։

Ավելի լայն Document AI փաթեթի կազմում

Mistral-ը ծառայությունը տեղադրում է Document AI հավաքածուի մեջ, որտեղ OCR-ը միավորվում է կառուցվածքային տվյալների հանման հետ և ուղղված է կորպորատիվ փաստաթղթերի մշակմանը՝ բազմաթիվ տեսակների և լեզուների համար. աջակցվող լեզուների առանձին ցանկ կա հրապարակված։ OCR 4.1-ի կողքին հավաքածուն առաջարկում է անոտացիաներ՝ կառուցվածքային դաշտեր հանելու համար, փաստաթղթերով հարց ու պատասխան, որտեղ OCR-ը միանում է այլ մոդելների, և փաթեթային մշակում (batching) մեծ ծավալի աշխատանքների համար։ Մոդելների համեմատման էջը աջակցվող գործառույթների թվում նշում է OCR-ը, կառուցվածքային անոտացիաները, շրջանակների հանումը և փաթեթային մշակումը։

Հասանելիությունը և գինը

Փաստաթղթերը մոդելը դեռ նշում են որպես հանրային նախադիտում, այլ ոչ թե ընդհանուր հասանելի թողարկում։ Mistral-ի համեմատման ուղեցույցը նշում է 4 դոլար 1000 էջի համար OCR-ի համար և 5 դոլար 1000 անոտացված էջի համար. այս մոդելը ցույց է տալիս, որ ծառայությունը չափվում է մշակված էջերով, ոչ թե տոկեններով, և դա կարևոր է մեծ արխիվների կամ ապրանքագրերի հոսքերի թվայնացման արժեքը հաշվարկող թիմերի համար։ Փաստաթղթային արհեստական բանականության տարբերակները կշռող ընկերությունների համար գործնական հարցը ոչ թե ճշգրտության մեկ թիվն է, այլ այն, թե արդյոք կառուցվածքային արդյունքը տեղավորվում է իրենց ստուգման ընթացիկ գործընթացներում։