详细内容或原文请订阅后点击阅览

Apoidea组如何使用亚马逊Sagemaker Hyperpod上使用Llama-Factory从银行文档中提取视觉信息

2025年5月15日 19:56 33 Comments
X Twitter Instagram Mail

在这个专业信息提取解决方案的基础上建立了建立，并利用Sagemaker Hyperpod的功能，我们与Apoidea Group合作探索了使用大型视觉语言模型（LVLM）的使用，以进一步改善银行和财务文档上的表结构识别性能。在这篇文章中，我们介绍了使用Sagemaker Hyperpod上的Llama-Factory进行QWEN2-VL-7B教学模型进行微调的QWEN2-VL-7B教学模型的逐步代码。

来源:亚马逊云科技 _机器学习
这篇文章与Apoidea Group的Ken Tsui，Edward Tsoi和Mickey Yip共同撰写。银行业长期以来一直在与重复过程（例如信息提取，文档审查和审计）相关的效率低下。这些任务需要大量的人力资源，减慢了关键操作，例如了解您的客户（KYC）程序，贷款申请和信用分析。结果，银行面临运营挑战，包括有限的可扩展性，缓慢的处理速度以及与员工培训和营业额相关的高成本。要解决这些效率低下，实施高级信息提取系统至关重要。这些系统可以从各种财务文件中快速提取数据（包括银行对帐单，KYC表格和贷款应用程序），还降低了手动错误和处理时间。因此，信息提取技术有助于加速客户入门，维持监管合规性并推动银行业的数字化转型，尤其是在大量文档处理任务中，文档处理中的挑战却加剧了对高准确的解决方案的需求，这些解决方案需要保持高准确性，同时处理敏感的金融数据，例如处理敏感的金融数据，例如财务数据，财务状况，一年一度的财务状况和公司年度报告。这是位于香港的以AI为重点的Indepent Indepention Software供应商（ISV）的Apoidea Group产生了重大影响。通过使用尖端的生成AI和深度学习技术，Apoidea开发了创新的AI驱动解决方案，以满足跨国银行的独特需求。他们的旗舰产品SuperACC是一项复杂的文档处理服务，具有一系列专有的文档理解模型，能够处理各种文档类型，例如银行对帐单，财务报表和KYC Documents.SuperACC。
数据 大量的 帐单 数字化 银行 挑战 重点的 AI 技术 年度报告 可扩展性 KYC Group 处理 需要 敏感的 一系列 一度的 相关的 键操作 复杂的 信息提取 准确的 尖端的 合规性 客户 文档 准确性 例如 高成本 Apoidea 应用程序 有限的 专有的 提取技术 解决方案 人力资源 缓慢的 供应商 处理时间