Beyond extract_text: The Two Layers of a PDF That Drive RAG Quality
企业文档智能 [Vol.1 #5A] - 文档信号（元数据、本机 TOC、源软件）和页面级内容（文本与扫描、表格、图像、列、页面配置文件）超越 extract_text：驱动 RAG 质量的 PDF 的两层首先出现在 Towards Data Science 上。
Automatically redact PII in images with Amazon Nova
在这篇文章中，我们介绍了一个由 Amazon Nova 指导的多步骤管道，该管道使用其上下文视觉推理来协调互补工具，包括部署在 Amazon SageMaker AI 上用于像素级分割的 Meta 开源 Segment Anything Model (SAM 3) 和用于光学字符识别 (OCR) 的 Amazon Textract。该管道旨在提供全面且合规的 PII 编辑，即使是具有挑战性的边缘情况，例如任意方向的指纹、身份证或车牌。
