GLiFormer постигна 91,10 F1 при извличане на вложен JSON
Knowledgator Engineering представи GLiFormer — енкодерна рамка за извличане на информация, която се управлява от схема. Един модел поддържа разпознаване на именувани обекти, класификация на текст, извличане на отношения, структуриране във вложен JSON и текстови ембединг представяния. Етикетите и схемите се подават при извеждане, а изходният текст се кодира еднократно за различните задачи.
Пуснати са два контролни пункта с лиценз Apache 2.0: GLiFormer Base v1 с 264.2M параметъра и GLiFormer Large v1 с 575.6M. Те могат да работят на CPU или GPU и са достъпни чрез Python пакета и моделите в Hugging Face. При структурирането системата извлича стойности като отрязъци от изходния текст, разпределя ги към полета, предвижда разрешените връзки родител-дете и сглобява JSON с детерминиран декодер. Така тя не генерира стойности, които липсват във входа, но грешки при избора на отрязъци и йерархията са възможни.
В тест с 500 примера за вложен JSON Knowledgator отчита 91,10 F1 за Large и 87,20 за Base. GPT-5.6-luna е получил 91,96 при метрика, допускаща различен ред и разлики в границите. Base е показал медианна латентност 69 ms на NVIDIA RTX PRO 6000 Blackwell при пакет от един документ. Посоченото ускорение до 95,8 пъти е аналитична оценка, а не измерено сравнение.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.