d1.2 trova i dati nei documenti e indica anche la loro posizione
I nuovi modelli Liquid trovano passaggi nei documenti con la loro posizione e oggetti nelle immagini con un rettangolo. Aggiungono anche l’audio; d1.2-ultra guida l’indice Artificial Analysis, mentre le nuove funzioni hanno per ora test interni.
Che succede
Un nome, un numero di telefono e un indirizzo email possono comparire in punti diversi della stessa nota. Con d1.2, i modelli decisionali di Liquid AI possono cercarli tutti e restituire ogni passaggio insieme alla sua posizione nel testo. Il programma che riceve la risposta ha così una lista di dati e di punti da ritrovare nel documento, per esempio per evidenziarli durante un controllo.
La famiglia d1 era nata per scegliere fra opzioni e assegnare loro probabilità, come avevamo raccontato con d1-ultra. Le versioni d1.2 e d1.2-ultra, pubblicate il 16 novembre, aggiungono estrazione e localizzazione: possono leggere testo, numeri e date, cercare più passaggi oppure indicare un oggetto in un’immagine. Alla domanda «dov’è la firma?» su un modulo scansionato, restituiscono il rettangolo che la contiene. Quando il bersaglio manca, questi tipi di risposta prevedono «non trovato».
Arriva anche l’audio, sia come materiale da analizzare sia come domanda pronunciata a voce. Il filo che lega queste funzioni è il passaggio dalla scelta di un’etichetta alla ricerca di qualcosa nel contenuto: un valore da leggere, una porzione di testo da rintracciare, una zona dell’immagine da mostrare.
Nell’indice indipendente di Artificial Analysis, d1.2-ultra ottiene 75 punti e il primo posto fra i modelli decisionali, con 218 millisecondi per compito. L’indice considera anche quanto la sicurezza espressa corrisponda alle risposte corrette. Le cinque nuove funzioni hanno invece per ora i test interni di Liquid: quel primato non le verifica tutte indipendentemente.
Entrambi i modelli sono disponibili sull’API di Liquid. Il costo dichiarato è di 0,02 dollari per milione di token in ingresso per d1.2 e 0,042 per Ultra; si paga solo l’input. Nella stessa richiesta API, più domande sullo stesso contenuto fanno fatturare testo e immagini una volta sola, aggiungendo poi il testo di ciascuna domanda.
Perché conta
La lista dei dati personali di una nota diventa anche una mappa dei punti in cui compaiono. È un’uscita comoda da portare in un’interfaccia: chi controlla il documento può arrivare direttamente al nome o al numero trovato, con il contesto ancora attorno. Lo stesso rapporto fra risposta e posizione si ritrova nella firma indicata dentro un’immagine.
Vuoi sapere di più su pillole come questa?