隨著上市公司2024年中報(bào)披露高峰期的到來，海量財(cái)務(wù)報(bào)告的解讀成為金融行業(yè)從業(yè)者面臨的重大挑戰(zhàn)。為了緩解這一壓力，并提升人工智能大模型在財(cái)報(bào)分析中的準(zhǔn)確性和效率，合合信息對其大模型“加速器”方案中的PDF文檔解析技術(shù)進(jìn)行了優(yōu)化升級，旨在將非結(jié)構(gòu)化的PDF內(nèi)容高效轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，助力大模型實(shí)現(xiàn)從“泛讀”到“精讀”的飛躍。

　　PDF作為主流電子文件格式，廣泛應(yīng)用于企業(yè)財(cái)報(bào)、年報(bào)等重要文件的發(fā)布。然而，這些文件往往包含復(fù)雜的表格、圖表、證照等元素，對AI大模型的文檔解析能力提出了嚴(yán)峻考驗(yàn)。傳統(tǒng)大模型在處理此類文件時(shí)，常因“理解力”不足和數(shù)據(jù)讀取錯(cuò)誤，導(dǎo)致關(guān)鍵信息丟失或誤解，進(jìn)而影響分析結(jié)果的準(zhǔn)確性。

　　合合信息的PDF文檔解析技術(shù)則通過多文檔元素識別和版面分析能力，能夠精準(zhǔn)識別文檔中的段落、公式、頁眉、頁腳等多種元素，并有效應(yīng)對財(cái)報(bào)中常見的無線表、合并單元格、不規(guī)則行距等復(fù)雜版面問題。該技術(shù)不僅提升了表格結(jié)構(gòu)還原的準(zhǔn)確性，還能推斷出人類閱讀時(shí)的自然順序，避免了機(jī)械排序帶來的信息割裂，實(shí)現(xiàn)了真正的“所見即所得”。

　　據(jù)合合信息技術(shù)團(tuán)隊(duì)成員介紹，上市公司年報(bào)頁數(shù)大多集中在200至300頁的范圍內(nèi)，一個(gè)熟練的分析師可能在幾天到一周的時(shí)間內(nèi)完成對年報(bào)的基本分析，PDF文檔解析工具最快能在1.5秒完成百頁文檔的解析，按8小時(shí)為一天工作時(shí)間計(jì)算，解析工具可幫助大模型在一日內(nèi)對數(shù)千家企業(yè)的年報(bào)數(shù)據(jù)進(jìn)行精準(zhǔn)分析。隨著無紙化辦公、數(shù)字化趨勢發(fā)展，PDF文檔解析技術(shù)有望被應(yīng)用于更廣泛的場景。

　　目前，合合信息登陸科創(chuàng)板上市，并啟動(dòng)IPO申購。憑借其在智能文字識別及商業(yè)大數(shù)據(jù)領(lǐng)域的深厚積累和技術(shù)優(yōu)勢，合合信息正為全球C端用戶和多元行業(yè)B端客戶提供更加數(shù)字化、智能化的產(chǎn)品和服務(wù)。未來，隨著技術(shù)的不斷迭代和應(yīng)用場景的持續(xù)拓展，合合信息有望在更多領(lǐng)域?qū)崿F(xiàn)突破，推動(dòng)人工智能技術(shù)的普及和應(yīng)用。