Sakhanda Wire
NVDA $153.64 -1.60% MSFT $506.98 -2.13% GOOGL $279.95 -1.33% META $620.09 -1.01% AMZN $256.57 -0.46%
← До новин

GLiFormer отримав 91,10 F1 для вилучення вкладеного JSON

Knowledgator Engineering представила GLiFormer — енкодерну систему для вилучення інформації, що використовує схеми. Одна модель підтримує розпізнавання іменованих сутностей, класифікацію тексту, вилучення зв’язків, побудову вкладеного JSON і створення текстових ембедингів. Мітки та схеми передаються під час інференсу, а вихідний текст кодується один раз для кількох завдань.

Доступні дві контрольні версії Apache 2.0: GLiFormer Base v1 із 264.2M параметрів і GLiFormer Large v1 із 575.6M. Вони працюють на CPU або GPU та поширюються через Python-пакет і моделі в Hugging Face. Під час структурування система знаходить значення безпосередньо у вигляді фрагментів джерельного тексту, призначає їх полям запису, визначає дозволені зв’язки між батьківськими й дочірніми вузлами та збирає JSON детермінованим декодером. Це не дає моделі генерувати текст значень, відсутній у вході, хоча помилки вибору фрагментів і структури можливі.

На 500 прикладах вкладеного JSON Knowledgator повідомляє 91,10 F1 для Large і 87,20 для Base. GPT-5.6-luna отримав 91,96 за метрикою, що допускає відмінності в порядку та межах. Для Base зафіксовано медіанну затримку 69 мс на NVIDIA RTX PRO 6000 Blackwell під час обробки 40 документів із розміром пакета один. Заявлене прискорення до 95,8 раза є аналітичною оцінкою, а не вимірюванням запуску LLM.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини