使用 Pulse AI 與 Amazon Bedrock 構建金融文件處理流程

🔑 增強重點摘要

• •Pulse AI 專門解決傳統 OCR 和通用大型語言模型在處理複雜金融文件（如具有合併單元格、分層數據和多欄佈局的報表）時的固有缺陷，這些缺陷導致準確度顯著下降，而 Pulse AI 在實際文件上能達到 99% 以上的準確度。 [1, 9, 25]
• •Pulse AI 的文件理解能力基於多階段處理管線，包含佈局理解、低延遲 OCR、閱讀順序演算法、表格結構識別及針對圖表和表格轉換的微調視覺語言模型 (VLM)。 [10, 18]
• •Amazon Bedrock 透過提供監督式微調 (SFT)、強化學習微調 (RFT) 和模型蒸餾等客製化方法，將新知識直接嵌入模型權重，從而實現更快的推論速度、更低的代幣成本和更高的領域特定任務準確度。 [21]
• •Pulse AI 解決方案符合企業級安全標準，包括 SOC 2 Type II、GDPR、ISO 27001 和 HIPAA 認證，確保敏感金融數據的合規性與保護。 [1]

🛠️ 技術深入

• •Pulse AI 的文件擷取流程採用多階段管線，包括：佈局理解與組件檢測模型、用於單獨擷取的低延遲 OCR 模型、針對不同文件類型的閱讀順序演算法、表格結構識別與解析模型，以及用於圖表、表格和圖形轉換的微調視覺語言模型 (VLM)。 [10, 18]
• •Pulse AI 訓練了一套專門的電腦視覺模型，用於內部佈局分割，能將文件分割成表格、圖表、列表、標題等組成部分，並針對每種組件類型部署優化的低延遲 OCR 和物件檢測模型。 [10]
• •Amazon Bedrock 提供對基礎模型 (FM) 的存取，例如 Nova 模型系列，並提供無伺服器體驗，允許使用客戶自己的資料進行私有客製化。 [6, 21]
• •Amazon Bedrock 支援多種模型客製化方法，包括監督式微調 (SFT)、強化學習微調 (RFT) 和模型蒸餾，這些技術能將新知識直接嵌入模型權重，而非僅在推論時提供上下文。 [19, 21]
• •在 Amazon Bedrock 中進行微調時，訓練資料預期為 JSONL 格式，其中每行是一個包含提示-完成對的 JSON 物件，並上傳至 Amazon S3。 [16, 24]
• •整合工作流程涉及將文件攝取到客戶 VPC 中的 Pulse 容器或 Pulse SaaS 產品中，由 Pulse 模型處理金融文件，然後將擷取的資料轉換為 Amazon Bedrock Nova Micro 監督式微調格式，並儲存於 S3 中。 [9]
• •客製化後的 Amazon Nova 模型支援按需調用，客戶只需按標準費率為每次調用付費，無需購買更昂貴的預置吞吐量。 [21]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線