无论为财务报表、合同文书，还为各种表格与图表，者工办理此些文档不仅费时费力，还易出错。
研讨团队意识到，需建立一套全新之估量标准，才能真正衡量AI体系于实际应用中之表现。
此种方式或更符合实际工流程之需。
前景需掘发更高效之数据生成与品质控制法门，或包括更智能之AI辅助标注器物与更完备之品质估量体系。
鲁棒性与一致性也为前景演进之重要方位。
随之AI体系本领之提升，吾等需更细致、更全面之估量标准来准确衡量体系性能。
Q3：目前AI体系于文档讯息提取方面表现如何。
逍遥文本之办理难则或源于讯息密度较低，于大量无关文本中找到相关讯息需更强之语义体谅本领。
若完全依靠者工创建，不仅本金高昂，而且甚难确保足够之多样性。
旧俗之AI测试体系就像只会按固定菜单点菜之效劳员，只能办理标准化之请求。
手工标注数据与AI生成数据之测试结局也展现之有趣之对比。
此名考试不仅考查AI能否找到讯息，更重要之为考查它能否按照苍生之需求，将讯息整理成架构化、易于用之格式。
测试就像一次大型之本领验证考试，参与者包括之AI界之"明星学生"。
当前开源模型于面对需提取大量讯息之查询时性能急剧降，此表明需掘发更有效之注意力机制与讯息整顿计策。
词汇重叠疑难反映之AI体系对语义体谅之局限性。
通过深入剖析测试结局，研讨团队发觉之当前AI体系于文档讯息提取方面存之几名枢纽弱点。
彼等较量之不同文本模型于映射差事上之表现，最终选择之表现最佳之gpt-oss-20b模型作为标准映射器。
为之彻底处置此名疑难，研讨团队创建之一名全新之测试基准，就像为AI体系设计之一名更贴近现状之考试。
此要求于操练数据之多样性、模型架构之随顺性，以及推演历程之稳固性等多名方面进行改善。
四、全面测试当前最前卫之AI体系 最具应战性之疑难于于，不同之AI体系或用完全不同之方式机构相同之讯息。
第三种为敞开式需求，比如你只说"帮我整理所有关于签名者之讯息"，而实在需什么讯息由助手根据文档实质来裁决。
位置定位技艺之改善也至关重要。
图表办理之难为可体谅之，因图表包含大量视觉元素，如色彩、形状、位置关系等，此些元素对讯息体谅至关重要，但对当前之AI体系来说仍然为应战。
首先，阅历丰富之专家手工制之一批示范性之案例，此些案例展示之各种或之情况与正确之办理方式。
此些文档就像一名小型之现状商业氛围，包含之企业日常或遇到之各种讯息提取应战。
彼等让AI重新表述实体名称，减与文档原文之词汇重叠，此样可测试体系为否真正体谅语义，而不为简地进行文本匹配。
此名品质控制历程异常细致。
领域随顺性之改善也不可忽视。
旧俗之估量法门往往过于简，只关注解答为否正确，而忽视之架构化输出之品质与实用性。
此项研讨之意义远超学术范畴。
为之验证EXSTRUCTINY测试基准之有效性，研讨团队对商场上最前卫之视觉言辞模型进行之全面测试。
所有体系皆于位置定位、办理图表实质与大规模讯息提取方面存明显弱点，格外为当需提取50名以上讯息项时，开源模型性能会急剧降。
商业闭源模型于整体表现上明显优于开源模型，最好之商业模型（Gemini-2.5-Pro）达到之79.5%之统合得分，而表现最佳之开源模型（Qwen2.5-VL-72B-FP8）为61.4%，两者之间存明显之性能差距。
所有模型于手工标注之测试案例上表现皆比于AI生成案例上稍差，平均差距约为13.6%。
最终，此名数据生成与验证历程产生之304名高品质之问答对，覆盖之110份文档。
模型规模对性能之影响极其显著。
专家们会查验疑难为否合理、解答为否准确、格式为否正确，并根据需进行调理。
此名应战可用餐厅效劳来类比。
Q2：EXSTRUCTINY与旧俗之AI测试有什么不同。
第一种为明确指定需求之情况，就像你明确告诉助手"我需找到所有签名者之姓名与职位"。
当查询要求提取50名以上之讯息项时，开源模型之表现急剧降，而商业模型能够保相待稳固之性能。
创建此样一名统合性之测试基准面临之巨大之应战，因需大量高品质、多样化之测试案例。
此名体系最大之革新于于它能够办理三种不同类型之讯息提取请求。
办理繁查询与大规模讯息提取之本领需得到显著提升。
估量AI体系于文档讯息提取方面之表现，远比估量其他AI差事要繁得多。
最具应战性之为敞开式查询，此类查询只提供模糊之指导，需AI自立决定提取哪些讯息以及如何机构此些讯息。
步步高升。EXSTRUCTINY被操练来优雅地办理此些情况，就像一位细心之助手会明确告诉你"此份文档中没有提供此名讯息"，而不为胡乱猜测。
此名历程就像培训一位新员工。
估量体系关注四名枢纽维度。
较小之模型经常产生格式过失之输出，甚至无法生成有效之架构化数据。
说到底，EXSTRUCTINY代表之不仅仅为技艺长进之一名里程碑，更为整名者工智能应用从实验室走向实际商业氛围历程中必经之重要一步。
正为为之处置此一普遍存之痛点，来自J.P. Morgan AI Research之研讨团队掘发之一项革新性之处置预案。
支持。而EXSTRUCTINY则像一位阅历丰富之助手，能够体谅各种表达方式之需求，并且知道如何将找到之讯息按照你之要求整理好。
研讨团队格外注重让此名体系能够办理现状全球中之繁情况。
与其要求AI体系一次性完美地办理繁查询，不如掘发能够与用户进行多轮交互之体系，通过对话来澄清需求、确认结局、办理边界情况。
EXSTRUCTINY之创建历程表明，高品质之操练与测试数据对模型性能至关重要。
为之确保此套估量标准之可靠性，研讨团队进行之大量之测试与验证工。
此名疑难于实际应用中或带来严重后果，因用户往往需验证AI提取之讯息，而无法准确定位讯息来源会大大降低体系之可信度。
或之处置预案包括分层办理架构，首先识别相关区域，然后于此些区域内进行精细提取。
前景需掘发更好之领域随顺技艺，能够快速调理模型以随顺特定行业或机构之需求。
以Qwen2.5-VL系列为例，从3B参数版本之38.5%得分提升到72B参数版本之61.4%得分，性能提升幅度达到之60%。
简之文本查询（直接询问特定讯息）通常表现最好，因此类查询明确指定之需查找之实质。
EXSTRUCTINY不仅为一名测试基准，更为推动整名领域向前演进之催化剂。
此名结局验证之手工标注案例之高品质与应战性，同时也表明AI生成之测试案例经过者工验证后能够甚好地模拟确凿场景。
开源模型阵营包括之不同规模之Qwen2.5-VL系列（从3B到72B参数）、Gemma-3系列、Pixtral-12B、Kimi-VL-A3B-16B等。
当查询中用之词汇与文档中之原始文本高度重叠时，AI体系表现较好；但当研讨团队故意减词汇重叠，用同义词或不同表达方式时，体系性能显著降。
EXSTRUCTINY之估量体系则像一位专业之餐厅估量师，会从多名维度统合考量效劳品质。
只有参数量超过12B之模型才能稳固地产生符合格式要求之输出。
几乎所有模型于办理图表与逍遥文本时表现最差。
前景之估量或需考虑更多维度，如办理光阴、计算源泉消耗、可解释性等实际应用中关之因素。
五、揭示AI体系之枢纽弱点 于此名讯息爆炸之时代，企业每天皆面临之一名令者头疼之疑难：如何从堆积如山之文档中快速准确地提取所需讯息。
为之增测试之现状性与应战性，研讨团队还特意设计之几种特殊情况。
即使为表现最好之商业模型，于准确标出讯息于文档中之实在位置方面也只能达到84.3%之准确率，而于预测讯息所于页面方面之表现更为差强者意。
此些案例于保证品质之同时，也确保之足够之多样性与应战性，为AI体系提供之一名真正全面之测试氛围。
它包含304名查询-解答对，覆盖110份多页文档，支三种不同类型之讯息提取查询。
六、为前景AI演进指明方位 位置定位本领为所有测试模型之一名显著弱点。
为之处置此名疑难，研讨团队掘发之一套智能之语义映射体系。
研讨团队深知，AI生成之实质虽数量大，但品质或参差不齐。
然而，测试结局显示，大多数体系于办理部分无法回答之查询时表现不佳，往往倾向于强行提供解答而不为承认讯息缺失。
它更贴近现状商业氛围之需求，要求AI不仅要找到讯息，还要按照用户要求之格式进行整理。
此种趋势于所有测试之模型系列中皆得到之验证，表明于文档讯息提取此类繁差事中，模型规模仍然为性能之重要决定因素。
测试结局显示之一名清晰之性能梯度。
当前AI体系过度依赖词汇匹配之疑难表明，吾等需掘发能够真正体谅概念与关系之模型，而不为仅仅进行文本模式识别。
因此，彼等建立之一名严格之品质控制流程。
A：旧俗测试通常只办理固定格式文档或简疑难，而EXSTRUCTINY能办理繁之架构化提取差事，包括多实体查询、跨页面讯息与无法回答之情况。
东边一路之隔就为融创长滩壹号，以湾居叠拼别墅与观山宽景洋房为主。
于实际工中，吾等经常遇到讯息不完整之文档，有些表格或有空白栏目，有些疑难或于文档中找不到解答。
通过全面揭示当前AI体系之本领边界与枢纽弱点，此项研讨为前景之技艺演进指明之实在之改善方位。
此表明许多AI体系仍然于甚大程度上依赖表面之文本匹配，而不为真正之语义体谅。
A：测试结局显示商业闭源模型表现最好，最高达到79.5%之得分，而开源模型最好为61.4%。
不同行业之文档具有独特之格式、术语与讯息机构方式，通用模型或难以办理此些特殊性。
第二种为提供架构模板之情况，相当于你给助手一张表格说"请按照此名格式填写讯息"。
一、重新定义文档讯息提取之标准 Q1：EXSTRUCTINY为什么。
二、突围旧俗之数据生成法门 此项研讨成果被命名为EXSTRUCTINY，于2026年发表于计算机格致顶级期刊上。
想象你正整理家重要文书，需从各种单据中提取讯息制一份清单。
测试结局揭示之当前AI技艺于文档讯息提取方面之确凿水平与主要应战。
旧俗估量就像只查验效劳员为否端对之菜品，而忽视之摆盘、温度、上菜顺序等影响用餐体验之重要因素。
企业于用此些AI体系时，关之不仅仅为讯息为否正确，更关讯息为否以有用之格式提供，为否能够支后续之业务流程。
抱负之商业AI体系应能够于各种文档类型、查询风格与讯息繁度下保稳固之性能。
商业模型则包括之Google之Gemini-2.5-Flash与Gemini-2.5-Pro等顶级货品。
研讨团队采用之一名巧妙之处置预案：将者工精心制之高品质样本与AI辅助生成之大量样本相结合。
交互式讯息提取或代表之前景演进之一名重要趋势。
不同类型之查询表现出之不同之难度特征。
EXSTRUCTINY正为基于此样之现状需求场景设计之。
为之确保测试之全面性，研讨团队收集之110份多页文档，涵盖之表格、财务呈文、演示文稿与网页截图等多种格式。
但此还不够。
对于企业决策者来说，它提供之估量AI处置预案之格致标准；对于技艺掘发者来说，它明确之改善之方位与优先级；对于寻常用户来说，它预示之更智能、更可靠之文档办理器物即将到来。
此些模型既包括公开可用之开源模型，也包括来自大型科技公司之闭源商业模型。
有时候你知道实在要找什么，比如"电费单金额"；有时候你只有模糊之需求，比如"所有与保险相关之讯息"。
即使为大型模型，于保输出架构与查询要求一致方面也存应战，格外为于办理繁之嵌套架构时。
Economics。此项研讨之影响将远远逾越学术界。
然后，研讨团队用此些示范案例来操练一名AI助手（Gemini-2.5-Flash-Thinking），让它学会如何生成类似品质之新案例。
研讨团队包括Mathieu Sibue、Andres Munoz Garza、Samuel Mensah、Pranav Shetty、Zhiqiang Ma、Xiaomo Liu与Manuela Veloso等多位专家。
于当今商业氛围中，企业每天办理之文档数量呈指数级增益，从保险理赔单到银行贷款申请，从医疗记载到法典合同，准确提取枢纽讯息已成为企业运营效能之重要决定因素。
而基于模式之查询（提供架构化模板让AI填充）表现稍差，主要为因此类查询通常要求提取更多之讯息实体。
此要求于模型操练中加入更多之语义体谅差事，并或需结合学识图谱等外部学识源来增强模型之概念体谅本领。
此些发觉共同指向之一名重要断语：虽当前之AI体系于文档讯息提取方面已取得之可观之进展，但距离真正可靠之商业应用仍有相当距离。
于现状应用中，文档经常包含空白字段或缺失讯息，AI体系需能够正确识别并呈文此些情况。
模型于不同文档实质类型上之表现差异也甚明显。
有兴趣深入之解之读者可通过arXiv:2602.12203v1此名编号查询完整论文。
首先，提升语义体谅本领应当成为优先演进方位。
研讨团队发觉，现有之AI体系虽于某些特定差事上表现不错，但于面对确凿商业氛围中繁多变之文档时却显得力不从心。
A：EXSTRUCTINY为由J.P. Morgan AI Research团队掘发之文档讯息提取测试基准，专门用于估量AI体系从各种文档图像中提取与机构讯息之本领。
此套统合性之估量标准不仅能够实情地衡量AI体系之表现，更重要之为，它反映之实际应用场景中之确凿需求。
此些体系往往只能办理固定格式之文档，或者只能回答极其简之疑难，无法对付企业实际需求中彼些繁、灵活之讯息提取差事。
它告诉吾等，真正有用之AI体系不仅需于标准测试中表现出色，更需于繁、多变之现状氛围中保可靠与实用。
它能够识别出"主顾姓名"与"顾客名字"实际上指之为同一名概念，能够办理讯息粒度之差异，比如一名体系输出"John Doe"而另一名体系分别输出"John"与"Doe"之情况。
测试结局显示，此名映射器于办理各种繁情况时皆能达到96%以上之准确率，为可靠之估量提供之根基。
格外为于需高度准确性与可追溯性之应用场景中，此些局限性或成为采用AI技艺之主要障碍。
首先为文本提取之准确性，此相当于查验讯息为否找对之。
办理不完整讯息之本领为另一名重要弱点。
架构化输出之品质也存明显之模型间差异。
此些修改包括澄清疑难表述、确保提取之文本与原文档完全一致、修正页面引用、调理边界框坐标，以及确保输出格式之一致性。
第三为边界框预测，此涉及AI能否准确标出讯息于页面上之实在位置。
一名格外有趣之发觉为，当需提取之讯息数量增时，开源模型之性能降更为明显。
其次为页面定位之准确性，即查验AI为否知道讯息来源于文档之哪一页。
研讨团队发觉，平均每名AI生成之案例需进行25.5处修改才能达到标准。
就像两名者或用不同之方式整理同一堆文书，但只要讯息完整准确，两种整理方式皆应被认为为正确之。
三、建立全新之估量标准 此项研讨还暗示之估量法门本身需不断演进。
更令者担忧之为，即使AI体系正确提取之文本讯息，也不能保证它能准确指出讯息之来源位置。
随之此些技艺之不断改善，吾等可期待一名文档办理更加自动化、智能化之前景，于此名前景里，者们将能够将更多光阴与精力投入到缔造性工中，而不为重复性之讯息提取差事。
于同一模型系列中，参数量更大之版本几乎总为表现更好。
每一名AI生成之案例皆要经过苍生专家之仔细审核与修正。
最后为架构预测，即查验AI生成之输出格式为否符合要求。
此些发觉不仅揭示之技艺演进之瓶颈，也为前景之改善方位提供之重要指导。
前景之体系需更好地整顿视觉体谅与文本体谅，掘发专门之方位推演本领，能够精确地将提取之讯息与其于文档中之实在位置关联起来。
研讨结局显示，即使为最前卫之商业模型于准确定位讯息来源方面也存明显不足。
此套映射体系用另一名AI模型作为"翻译官"，负责体谅不同AI体系输出格式之间之对应关系。
人民当家作主。彼等还加入之一些文档中不存讯息之疑难，模拟现状中讯息不完整之情况。
数据品质与标注法门之改善同样重要。
追梦人。此表明商业模型于办理繁、大规模讯息提取差事时具有更强之鲁棒性。
旧俗之者工办理方式不仅本金高昂，而且易因疲劳与注意力不集中导致过失，此些过失或带来严重之商业后果。
上一篇：“反向过年”兴起 年轻者返乡改为父母进城 下一篇：极目调查丨巫山男子祭祖被非法猎捕装置电死，记者重走事发地：设备暗藏丛林间，带电细铁丝于路上延伸形成“电网”