Nemotron Labs：AI 代理如何将文档转化为实时商业智能
Source: NVIDIA AI Blog
编辑者注： 本文是 Nemotron Labs 博客系列的一部分，系列探讨最新的开源模型、数据集和训练技术如何帮助企业在 NVIDIA 平台上构建专用的 AI 系统和应用。每篇文章都突出展示了在生产环境中使用开源堆栈实现价值的实用方法——从透明的研究副驾驶到可扩展的 AI 代理。
什么是智能文档处理？
Intelligent document processing (IDP) 是一种 AI 驱动的工作流，能够自动 读取、理解并提取文档中的洞见。它解释丰富的格式——包括表格、图表、图像和文本——使用：
这些技术将多模态内容转化为洞见，供其他 multi‑agent systems 和人们轻松使用。
为什么选择 NVIDIA Nemotron？
使用 NVIDIA Nemotron 开源模型和 GPU 加速库，组织可以构建 AI 驱动的文档智能系统，适用于：
- 研究
- 金融服务
- 法律工作流
- 以及其他众多领域
这些开源模型、数据集和训练配方在以下排行榜上取得了优异成绩：
团队可以为 搜索 和 问答 等任务挑选最佳模型。
文档处理如何简化商业智能
能够从复杂布局中提取含义、规模化处理海量文件库并精确定位答案来源的文档智能系统，在高风险环境中价值巨大。这些系统：
- 理解丰富的文档内容——超越简单的文本抓取，捕获图表、表格、图形以及混合语言页面中的信息。它们像人类一样对待文档，识别结构、关系和上下文。
- 处理大型、不断变化的数据集——并行摄取和处理海量文档集合，使知识库持续保持最新。
- 精准满足用户需求——帮助 AI 代理定位查询最相关的段落、表格或段落，实现精确、准确的响应。
- 展示答案背后的证据——提供对特定页面或图表的引用，为团队提供透明度和可审计性，这在受监管行业尤为关键。
其结果是从静态文档档案转向 活跃的知识系统，直接驱动商业智能、客户体验和运营工作流。
Source: …
工作中的文档智能
智能文档处理 系统基于 NVIDIA Nemotron RAG 模型、Nemotron Parse 和加速计算，正在重新塑造各行业组织从文档中获取洞察的方式。
Justt – AI 原生的拒付管理与争议优化
在金融服务领域，支付争议会导致商户产生大量收入损失和运营复杂性，因为所需的证据往往以非结构化形式存在。交易日志、客户沟通和政策文件常分散在不同系统中，使得争议处理缓慢、手工且成本高昂。
解决方案
- AI 驱动平台，在规模上自动化完整的拒付生命周期。
- 直接连接支付服务提供商和商户数据源，摄取交易数据、客户互动和政策。
- 自动组装符合卡网络和发行方要求的争议专属证据。
关键能力
- 争议优化（由 Nemotron Parse 提供支持）利用预测分析决定应争取或接受哪些拒付，并为每个响应制定最大净回收的方案。
- 实际影响：如 HEI Hotels & Resorts 等酒店运营商已在各物业间实现争议处理自动化，重新捕获收入的同时维护客人关系。
业务成果
- 商户能够追回大量因不当拒付而流失的收入。
- 手工审查工作量显著降低。
DocuSign – 扩展协议智能
DocuSign 是全球智能协议管理的领军者，每天处理数百万笔交易，服务超过 180 万客户 和 10 亿用户。
挑战
协议中包含的关键信息常埋藏在大量 PDF 页面中。为提取这些数据，DocuSign 需要对复杂文档进行高保真度的表格、文本和元数据抽取。
解决方案
- 评估 Nemotron Parse，实现大规模的合同深度理解。
- 在 NVIDIA GPU 上运行，该模型将先进的 AI 与布局检测和 OCR 相结合。
- 稳定解析复杂表格并重建所需信息，降低手动校正工作量。
影响
- 将协议库转化为结构化数据，支撑合同搜索、分析以及 AI 驱动的工作流。
- 将协议视为业务资产，提升可视性、降低风险并加速决策。
Edison Scientific – 大规模文献研究
Edison Scientific 的 Kosmos AI Scientist 帮助研究人员在复杂的科学领域中导航、综合文献、发现关联并呈现证据。
问题
从海量 PDF 中提取结构化信息（如公式、表格、图形）对传统解析器而言错误率高。
解决方案
- 将 NVIDIA Nemotron Parse 集成到 PaperQA2 流程中。
- 对研究论文进行拆解、索引关键概念，并在具体段落中提供依据的回答。
收益
- 提升科学家的吞吐量和答案质量。
- 将庞大的研究语料库转化为可交互、可查询的知识引擎，加速假设生成和文献综述。
- 高效率实现规模化、成本有效的服务，释放完整的多模态流水线潜能。
以上三个案例展示了 Nemotron Parse 与 NVIDIA 加速 AI 堆栈如何将非结构化文档转化为可操作的结构化情报，为金融、法律和科研等领域带来可衡量的商业价值。
使用 NVIDIA 技术设计智能文档处理应用
一个强大、面向特定领域的文档智能流水线需要能够 提取、嵌入、重新排序 和 解析 数据的组件，同时保持数据的安全性和合规性。
| 阶段 | NVIDIA 解决方案 | 功能描述 |
|---|---|---|
| 提取 | Nemotron extraction & OCR models | 接收多模态 PDF、文本、表格、图形和图像；将它们转换为结构化、机器可读的内容，同时保留布局和语义。 |
| 嵌入 | Nemotron embedding models | 将段落、实体和视觉元素转换为向量表示（嵌入），针对文档检索进行调优，实现语义准确的搜索。 |
| 重新排序 | Nemotron reranking models | 对候选段落进行评估，使最相关的内容作为大语言模型（LLM）的上下文，提升答案的可信度并减少幻觉。 |
| 解析 | Nemotron Parse models | 解读文档语义，精确提取文本和表格并进行空间定位和正确的阅读顺序，将非结构化文档转化为可操作的数据。 |
这些功能以 NVIDIA NIM 微服务 和 基础模型 的形式提供，能够高效运行在 NVIDIA GPU 上，使团队能够从概念验证扩展到生产环境，同时将敏感数据保留在所选的云或本地环境中。
为什么混合模型方法有效
- 前沿 + 开源：将最前沿的专有模型与开源的 Nemotron 模型相结合。
- LLM 路由器：智能路由器评估每个请求并自动选择最合适的模型，平衡性能、成本和效率。
通过采用这种架构，组织可以构建 可扩展、安全、成本效益高 的文档智能流水线，为下游基于 LLM 的应用提供高质量的结果。
开始使用 NVIDIA Nemotron
- 访问关于 如何构建文档处理流水线 的分步教程，具备 RAG 能力。
- 探索 Nemotron RAG 如何为不同产业提供 专用代理。
- 试验 Nemotron RAG 模型和 NVIDIA NeMo Retriever 开源库，可在以下位置获取：
- 试用 Hugging Face 上的 Nemotron Parse。
加入 NVIDIA 企业 RAG Blueprint
使用 NVIDIA 企业 RAG Blueprint 构建——已被十余家行业领先的 AI 数据平台提供商 信赖，并可在以下平台获取：
保持更新
- 订阅 NVIDIA AI 新闻。
- 加入 NVIDIA 开发者社区。
- 关注 NVIDIA AI：
了解更多
在 YouTube 播放列表 中探索自学视频教程和直播。