Modelos de lenguaje visual (Spanish Edition)
by Merve Noyan, Andrés Marafioti, Miquel Farré, Orr Zohar
Capítulo 8. IApara documentos
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Ahora que ya hemos visto todo, desde el ajuste fino hasta la implementación, veamos un ejemplo del mundo real: los modelos de lenguaje de visión de dominio (VLM) son la mejor opción. Podemos poner en práctica lo que hemos aprendido: documentos (como PDF o páginas escaneadas). El procesamiento de documentos es una de las tareas principales de la IA multimodal debido a la naturaleza multimodal de los documentos, y procesar documentos puede ahorrar mucho tiempo. ¡Vamos!
Introducción a la IA de documentos
Los documentos son uno de los mejores ejemplos de datos multimodales: contienen texto, imágenes, gráficos y datos estructurados (tablas). Además, el contenido de los documentos se presenta con un diseño personalizado, lo que hace que cada documento sea único. Por eso, necesitas soluciones modernas para extraer información de los documentos.
Puedes extraer información de los documentos de varias maneras:
-
Hacer preguntas directamente al modelo sobre documentos sin analizarlos
-
Analizar documentos en formato Markdown y luego procesarlos con modelos de lenguaje (RAG, etc.) ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access