Extraction de documents auto-améliorante
Notre harness d’extraction de documents peut maintenant s’adapter aux documents que vous lui envoyez. Sur deux jeux de données publics, la précision a augmenté d’environ 7 à 10 points.
Le blog Uprelic
Agent guard : des règles en mots simples pour votre agent IA
Vérifiez les appels d’outils de votre agent, leurs résultats et ses réponses avec des règles que vous écrivez sous forme de phrases.
strom-base : un modèle plus grand pour les décisions difficiles
Strom a un deuxième modèle, plus grand. Voici où il bat strom-fast, où il ne le bat pas, et ce qu’il coûte.
Les 10 premiers jours de Strom
Des utilisateurs dans 14 pays européens, de l’intérêt venu de trois autres régions et des cas d’usage auxquels nous ne nous attendions pas.
Extraire des données de documents avec des modèles de décision
Les modèles de décision permettent d’extraire des données structurées de documents et d’images à faible coût et avec une faible latence. Nous expliquons comment nous avons construit notre API d’extraction de documents avec notre modèle de décision, Strom.
Analyser des factures avec Strom
Une approche rapide et peu coûteuse pour extraire des données structurées de factures PDF.
Le prompt caching dans Strom
Une courte introduction à la façon dont nous utilisons le cache chez Strom, et à la manière d’optimiser vos requêtes pour en tirer le maximum.
Pourquoi nous avons créé Strom, un modèle de décision européen alternatif
Les petits modèles de décision perdent en accuracy. Les grands demandent des GPU de datacenter et un post-training lourd. Aucun modèle ouvert n’a égalé Jev dans l’ensemble, et Jev ne voit pas les images. Nos données devaient rester dans l’UE. Alors nous avons entraîné le nôtre, et c’est désormais une API.