#信息提取

10小时前

谷歌发布的 LangExtract 确实是一款全新的 100% 开源 Python 库，专门用于从非结构化文本文档中高效提取结构化信息。以下是 LangExtract 的核心亮点：开源免费：项目托管在 GitHub 上，采用 Apache 2.0 许可证，可自由使用和修改。基于大语言模型（LLM）：支持 Google Gemini、OpenAI 等多种云端和本地模型（如通过 Ollama 接入），无需深厚的机器学习背景即可上手。精确的源基础与可追溯性：采用受控生成技术，确保每个提取的实体都能准确对应到原文的具体位置，实现高透明度和高可信度。交互式可视化：内置交互式 HTML 可视化工具，直观展示提取结果在原文中的位置，便于快速验证和迭代。高效处理长文档：通过文本分块、并行处理和多轮提取等策略，显著提升复杂长文档的处理效率和准确性。易于集成与扩展：提供简洁的 Python API，易于集成到现有数据处理流程中，社区也已推出 TypeScript 版本，进一步扩大适用范围。

谷歌Deep Research：AI操作系统雏形？· 37 条信息

#LangExtract #开源 #Python库 #信息提取 #谷歌

3周前

传统OCR 像拆解剧本：OCR、版面检测、分块、嵌入……每一步都可能出错，表格、图例、空间关系全都丢失，信息碎片化严重。基于视觉模型新范式：直接把每页文档当作图片输入大模型，利用视觉模型和多模态语言模型，保留全部空间和视觉细节，像人一样理解文档。

#OCR #视觉模型 #大模型 #文档理解 #信息提取

1个月前

iOS 26 可以接入 Apple LLM 了，这个 3b 的模型有点儿 GPT-3.5 的味道。粗测下来函数调用不太行，思维僵硬，只适合做一些摘要或信息提取的工作。

iOS 26 Beta 2：流畅优化难抵卡顿发热· 70 条信息

#iOS 26 #Apple LLM #GPT-3.5 #模型评估 #信息提取

2个月前

向内求的 i 人， Google AI 产品体系成为攫取真知的利器用 AI 快速切入一个陌生领域，通常我会： 1/ Google DeepResearch 穷尽资料 2/ 一键导入 Google Doc, 转 PDF 3/ 借 NotebookLM 提取 PainPoints MindMap 4/ 由点成面式吸 Topic AI 幻觉严重，在帮我快速拿正反馈的路上，还是 yyds

#AI技术 #Google产品 #信息提取 #DeepResearch #NotebookLM #人工智能 #知识获取 #产品体系

2个月前

Defuddle ( ) 是一个开源的 JavaScript 库，用于提取网页的主要内容和元数据。它可以移除评论、侧边栏、页眉、页脚等无关元素，仅保留正文，并以干净的 HTML 或 Markdown 格式输出。其主要特性包括： - 更宽松的提取策略：与 Mozilla 的 Readability.js 相比，它倾向于保留更多可能有效的信息，避免过度删除。 - 一致的输出格式：能够以标准化的格式输出内容，包括脚注、数学公式、代码块等。 - 丰富的元数据：可以提取包括数据在内的更多元数据。 - 利用移动端样式：通过分析页面的移动版样式来辅助判断哪些元素是不必要的。 - 多样化的使用方式：可以在浏览器环境和 Node.js 环境中使用。它也是 Obsidian Web Clipper 的一部分，并且可以作为书签工具 (bookmarklet) 使用。

#Defuddle #开源库 #JavaScript #网页提取 #元数据 #信息提取 #Readability.js #技术工具

3个月前

（续一）获取、堕落、堕落、获取，或者换种说法，碰触、获取、堕落……时而狡诈、时而粗暴、时而温柔、时而残忍，不断继续……像老鼠从暗处伏击，为了完美的胜利。……仅仅是另一方的突然消失，卓越伟大高尚的消失，到现在，胜利的赢家们、偷袭的赢家们，主宰了世界……只要他们能触碰到的（待续）

#信息提取 #行为分析 #时事评论 #人性观察

梁家河大耳朵亲自指挥猫妹掀锅盖

5个月前

来自每个玩具的信息？

#玩具 #信息提取 #数据分析

纽约时报-王月眉

6个月前

DeepSeek如何回答“敏感”问题？

在某些方面，DeepSeek受到的审查远少于中国的大多数平台。但在回答某些敏感问题时，DeepSeek会自我审查并删除答案。开发人员似乎正在修补审查漏洞。

#DeepSeek #敏感问题 #信息提取 #回答策略 #隐私保护

6个月前

好，听你的是这样么，一只手

#一只手 #助手 #任务 #时事 #信息提取

6个月前

你还真别说（无链接）

#文章 #信息提取 #助手