Selbstverbessernde Dokumentenextraktion
Unser Harness für Dokumentenextraktion kann sich jetzt an die Dokumente anpassen, die Sie ihm senden. Auf zwei öffentlichen Datensätzen stieg die Genauigkeit um etwa 7 bis 10 Prozentpunkte.
Der Uprelic Blog
Agent guard: Regeln in einfachen Worten für Ihren KI-Agenten
Prüfen Sie die Tool-Aufrufe Ihres Agenten, deren Ergebnisse und seine Antworten gegen Regeln, die Sie als Sätze schreiben.
strom-base: ein größeres Modell für die schweren Entscheidungen
Strom hat ein zweites, größeres Modell. Hier steht, wo es strom-fast schlägt, wo nicht, und was es kostet.
Die ersten 10 Tage von Strom
Nutzer in 14 europäischen Ländern, Interesse aus drei weiteren Regionen und Anwendungsfälle, mit denen wir nicht gerechnet haben.
Dokumentdaten mit Entscheidungsmodellen extrahieren
Mit Entscheidungsmodellen lassen sich strukturierte Daten aus Dokumenten und Bildern günstig und mit geringer Latenz extrahieren. Wir zeigen, wie wir unsere API zur Dokumentextraktion mit unserem Entscheidungsmodell Strom gebaut haben.
Rechnungen mit Strom analysieren
Ein schneller und günstiger Weg, strukturierte Daten aus Rechnungs-PDFs zu extrahieren.
Prompt-Caching in Strom
Eine kurze Einführung, wie wir bei Strom cachen und wie ihr eure Anfragen für möglichst viel Cache-Wiederverwendung optimiert.
Warum wir Strom gebaut haben, ein Entscheidungsmodell als EU-Alternative
Kleine Entscheidungsmodelle verlieren an Accuracy. Große brauchen Datacenter-GPUs und aufwendiges Post-Training. Keines der offenen Modelle kam insgesamt an Jev heran, und Jev kann keine Bilder sehen. Unsere Daten mussten in der EU bleiben. Also haben wir unser eigenes trainiert, und jetzt ist es eine API.