← Каталог

Ваши договоры — база данных, по которой нельзя искать

Your Agreements Are a Database You Can't Query — Hiral Shah, Docusign & Sean Sodha, NVIDIA

Таблицы с ценами и SLA в договорах ломаются при обычной экстракции, а небольшая специализированная модель Nemotron Parse сохраняет их структуру.

  • Обычная экстракция ломает таблицы — текстовые VLM читают таблицу построчно и теряют объединённые ячейки, а Nemotron Parse за один проход возвращает текст, разметку, порядок чтения и структуру таблицы.
  • Маленькая модель вместо тяжёлой VLM — модель весит около 850–900 млн параметров и раздаётся через NVIDIA NIM или vLLM. По словам авторов, на извлечении таблиц она примерно в 20 раз быстрее других открытых моделей, но условия сравнения в докладе не раскрыты.
  • Пакетная обработка и Q&A требуют разного подхода — для петабайтов договоров вычисления нужно вложить в предобработку заранее, а для вопросов по одному загруженному документу важнее низкая задержка.
  • Гибридный пайплайн — таблицы идут через Nemotron Parse, а поля метаданных и текст пунктов по-прежнему извлекаются через OCR. Модель пока работает в FP16, переход на FP8 и NVFP4 на Blackwell запланирован.

Кому полезно: тем, кто извлекает таблицы цен и условий из договоров в большом объёме.

Статья по теме

Главы

Похожие доклады