A Datalab lançou o lift, um modelo de visão com pesos abertos e 9B parâmetros voltado a transformar PDFs e imagens em JSON estruturado conforme esquemas definidos.
A proposta mira um problema recorrente em fluxos de documentos: extrair campos de arquivos visuais sem perder a estrutura exigida por sistemas internos, bancos de dados ou automações.
O que diferencia o lift
- Usa decodificação restrita por esquema para manter a saída em uma estrutura JSON válida.
- Foi treinado para retornar null quando um campo ausente é solicitado, em vez de preencher lacunas com informação inventada.
- Segundo o resumo da fonte, alcançou 90,2% de acurácia de campo em um benchmark com 225 documentos.
Na prática, isso pode reduzir etapas manuais em tarefas como leitura de formulários, notas, relatórios e documentos digitalizados, desde que o usuário defina claramente quais campos espera receber.
Para equipes brasileiras que lidam com muitos PDFs, o ponto central não é apenas automatizar a leitura, mas obter uma saída estruturada que possa ser validada e integrada a sistemas existentes.
O nosso prisma
O lançamento importa porque aproxima modelos abertos de um uso corporativo concreto: transformar documentos em dados acionáveis. No Brasil, onde processos ainda dependem muito de PDFs, a capacidade de abstensão pode ser tão relevante quanto a extração em si.
Fonte: MarkTechPost
Receba o Jornal da IA todos os dias
As notícias de inteligência artificial que importam no Brasil — com o nosso prisma e sempre com as fontes. Grátis.
