← Каталог

· AI Engineer World's Fair 2026

От обработки документов до agents: как AI-команды строят на их основе

From Ingestion to Agents: How AI Teams Build on Document Intelligence — Adit Abraham, Reducto

Надёжность агентов на документах определяется входными данными: по словам автора, качество парсинга и формат таблиц дают больший прирост, чем смена модели.

  • Традиционный CV и VLM вместе — модели детекции layout меньше миллиона параметров работают на CPU и дают стабильный результат на масштабе; VLM подключаются там, где нужна семантика, например для рукописного текста.
  • Точечные правки OCR — VLM, которой поручено переписать страницу, может «исправить» итог таблицы под свою арифметику. Поэтому правки вносятся на уровне отдельных токенов, с отдельным проверочным слоем.
  • Два представления таблицы — модели для рассуждений передаётся HTML, а для индекса создаётся текстовое описание, потому что эмбеддинги плохо сопоставляют вопрос с HTML-разметкой.
  • Агентная экстракция с проверкой — frontier-модели тихо теряют строки на формах с десятками тысяч полей. Агент-координатор с критериями проверки для субагентов и итеративная сверка графиков через интерпретатор кода, по словам автора, дают баланс precision и recall.

Кому полезно: тем, кто строит RAG или агентов по сканам, PDF и таблицам в финансах, страховании и медицине.

Статья по теме

Главы

Похожие доклады