Dharma-AI представила Dharma Field Extractor для извлечения данных
Разработчики заявляют, что модель на 2 млрд параметров набрала 0,834 в их бенчмарке. Они также оценили её запуск как более дешёвый, чем использование API.
Как работает модель
Dharma-AI представила Dharma Field Extractor — модель на 2 млрд параметров, которая извлекает данные из изображений документов и возвращает отдельные поля в формате JSON. Её можно применять для обработки счетов, форм и удостоверений личности, когда системе нужны конкретные данные, а не весь текст страницы.
Модель работает в двух режимах. В открытом режиме она определяет структурированные поля по содержимому и расположению элементов на странице. В режиме со схемой пользователь задаёт названия и типы нужных полей — например, строку, число или логическое значение. Если запрошенного поля в документе нет, модель возвращает null. Таблицы она заполняет построчно и по заданным столбцам.
По данным Dharma-AI, Field Extractor создана на базе DharmaOCR-LITE v1.1. Для модели обучили LoRA-адаптер на 43 384 примерах с разными типами документов и запросов.
Результаты тестирования
В анонсе команда описывает бенчмарк на 546 документах и 1 638 случаях извлечения данных. Field Extractor получила оценку 0,834, а результаты проверенных конфигураций универсальных языковых моделей составили от 0,741 до 0,816. Это тестирование самой Dharma-AI, а не независимая проверка.
Компания также сравнила стоимость работы модели на одном GPU L40S с расходами на API по опубликованным тарифам провайдеров. По её расчётам, она была примерно в 6–147 раз ниже. Это не цена продукта: оценка зависит от оборудования, объёма обработки и требований к задержке.