Parse Gateway 按頁面複雜度路由文件解析器
LlamaIndex 的 Parse Gateway 按頁面複雜度將文件分流至 LiteParse 或相應的 LlamaParse 層級，而非整份文件使用同一解析器。
全部AI 動態
全部動態
今日 15 條LlamaIndex：產品、工程與評測AI 評分6060 LlamaIndex：產品、工程與評測AI 評分6060 LLM OCR：錯誤變得更隱蔽，卻沒有減少
LLM OCR 降低了難讀文件的錯誤率，但漏讀或錯認可能藏在流暢、格式整齊的結果中，令錯誤更難察覺。文章區分 OCR 後校正、VLM 原生轉錄與智能體編排，並指出欄位級準確度、來源定位和驗證流程可補足頁面級字串相似度的不足。
LlamaIndex：產品、工程與評測AI 評分4545 智能 OCR：構建生產級文件理解系統
智能 OCR 結合傳統字符識別、機器學習、版面分析、語義抽取與驗證邏輯，將文件轉為下游系統可用的結構化數據，而非純文字。文章探討生產級流程的架構、驗證與治理，以及企業將系統由原型推進至生產環境時須考慮的事項。
Google Developers BlogAI 評分3535 Go 為何是 AI 輔助軟件工程的理想語言
Go 是 AI 輔助軟件工程的理想語言，因其端到端工具鏈與可讀性設計，能支援人類審查、驗證及維護 AI 生成程式碼。Go 平台內置格式化器、測試框架、依賴管理和安全工具，配合標準庫，讓 AI 模型更快、更低成本且更可靠地處理 Go 程式碼。一致的程式碼風格亦有助團隊維護大型程式碼庫，並為 LLM 提供更標準化的訓練數據。
LlamaIndex：產品、工程與評測AI 評分5050 LlamaParse OCR 自動化：從基礎文字擷取到生產級文件處理管線
LlamaIndex 梳理 OCR 從基本文字擷取到生產級文件處理管線的落差，並説明 LlamaParse 如何按文件元素調用專用模型，經修正迴圈驗證後輸出 Markdown 或 JSON。
Google Developers BlogAI 評分5353 Google 開源 Credentio C++ 庫，支援驗證 C2PA Content Credentials
Google 開源 Credentio C++ 庫，用於驗證 C2PA Content Credentials，起步支援規格版本 2.2 和 2.4。其 API 可在開發者應用程式本地執行驗證，媒體檔案毋須傳送至雲端或外部驗證端點；驗證大型檔案時，Credentio 使用的記憶體亦少於其他方案。
LlamaIndex：產品、工程與評測AI 評分6161 LlamaIndex 如何利用 Temporal 擴展可靠的文件編排
LlamaIndex 採用 Temporal 編排文件處理工作流，將處理規模擴展至每日數千萬頁，以支援其近期 Batch API 發佈。此前團隊在 RabbitMQ 上疊加狀態追蹤、重試、公平性和背壓機制；Temporal 則以持久化 Workflow 和訊號協調執行與併發限制。切換後，團隊整合並移除了此前為擴展而增加的快取層、額外微服務、分拆佇列及訊息 metadata。
Google Developers BlogAI 評分6363 Google 介紹用 Agent Development Kit 構建零信任 AI 智能體的方法
Google 介紹如何以 Agent Development Kit（ADK）構建零信任 AI 智能體，並以 Gemini 驅動的客服退款智能體作示範。文章提出三層防護，分別以硬件支援的簽名、gVisor 沙箱及確定性語義閘道，保護資料寫入、動態程式碼執行和業務規則。
LlamaIndex：產品、工程與評測AI 評分5656 LlamaIndex 與 Kaggle 推出企業文件抽取基準 ExtractBench
LlamaIndex 與 Kaggle 推出 ExtractBench，一個用於評估企業文件結構化資料抽取系統的開放基準。基準涵蓋 370 份企業文件（4,869 頁）、8 個業務領域及 67 種文件類型，評估 14 套系統的準確度、感知質素、表格結構、文件長度及成本。
Google Developers BlogAI 評分6363 ADK 如何評估即時語音智能體
Google 在 ADK 加入原生即時評測功能，可透過模擬使用者以音訊與即時語音智能體對話，評分語音回覆，並沿用文字智能體的評測流程。測試案例可採對話情境或固定對話，並以自然語言評分規準評估整段多輪互動，也可逐輪評分回覆或工具執行。評測可由 CLI 執行，或透過 AgentEvaluator 納入 CI/CD；ADK Web 會呈現轉錄文字及可播放音訊。
LlamaIndex：產品、工程與評測AI 評分5959 LlamaIndex 推出 Turbo Beta 文件抽取層，面向低延遲即時工作流
LlamaIndex 在 LlamaParse Platform 推出 Turbo Beta 文件抽取層，面向低延遲的即時工作流。在 ExtractBench 上，Turbo 比 Cost Effective 快約 4 倍，單頁中位處理時間為 3.7 秒，F1 為 0.84；它直接從文件頁面抽取內容並行處理，中、長文件約為每頁 0.5 秒。
LlamaIndex：產品、工程與評測AI 評分4848 LlamaParse 如何從 PDF 擷取表格：大規模建立結構化、經驗證的資料
LlamaParse 用於從 PDF 擷取表格，重建文字的列欄關係，並輸出可供下游系統驗證和使用的結構化資料。PDF 通常只儲存文字座標或掃描圖像；跨頁表格、合併儲存格和多行內容，會令純文字抽取及固定模板容易出現錯位或失效。
Google Developers BlogAI 評分6868 Google for Startups AI Agents Challenge 高排名參賽方案背後的 4 種工程模式
Google for Startups AI Agents Challenge 各賽道的高排名參賽方案呈現四種工程模式，包括雙向 MCP、事件驅動並行、模型回退後共用驗證，以及昂貴模型調用前的分層路由。
LlamaIndex：產品、工程與評測AI 評分6565 LlamaIndex 拆解 Just-in-Time Agentic OCR 的兩階段流程與適用場景
LlamaIndex 將先低成本解析並檢索、再對相關頁面執行 VLM-OCR 的流程稱為 Just-in-Time Agentic OCR，適用於約 10–100 份文件的臨時資料室。
LlamaIndex：產品、工程與評測AI 評分4141 智能文件處理（IDP）平台：大多數供應商做錯了甚麼
多數智能文件處理（IDP）平台在真實生產環境中，難以應付文件格式與品質差異，表現往往不及供應商示範。示範與生產環境的準確率差距常達 10 至 20 個百分點，模板式系統亦會因文件類型增加而累積維護成本。新一代架構以 LLM 編排層將文字交由 OCR 引擎、表格交由版面感知擷取，圖表及圖片則交由視覺語言模型處理。
Google Developers BlogAI 評分6363 ADK for Kotlin 1.0 正式推出，支援 Kotlin、Android 及伺服器端 AI 智能體開發
Google 宣佈 ADK for Kotlin 1.0 正式推出，為 Kotlin、Android 及伺服器端開發提供 AI 智能體工具包。版本功能與 ADK 1.0 Core 完整對齊，涵蓋多智能體協調、上下文壓縮、多輪對話、人工確認和工作階段恢復。
LlamaIndex：產品、工程與評測AI 評分5858 LlamaIndex Extract 信心分數實用指南：設定門檻與衡量自動化比例
LlamaIndex 説明如何在 Extract 中以信心分數設定自動接受與人工覆核門檻，並用代表性資料集校準至指定精確率。
Google Developers BlogAI 評分6060 Harness Engineering 剖析：如何評估、迭代及為 AI 編碼智能體設置防護
Google Developers Blog 提出評估 AI 編碼智能體的方法，主張以行為評測補足端到端基準，觀察可驗證的中間操作而非只看最終結果。文章建議先針對單一失誤設定目標，按任務複雜度選擇嚴格或彈性的斷言，再以批次評測追蹤整體通過率。行為評測與大型端到端評測互補，可用來檢查提示詞、工具 schema 或模型更新是否造成回歸。
LlamaIndex：產品、工程與評測AI 評分5353 OCR 文件處理：為何更好的抽取器未能縮短人工審核佇列
LlamaIndex 指出，OCR 文件處理的自動化率不只取決於欄位準確率，也取決於系統能否辨識可能出錯的欄位並據此分流人工審核。文章以 20 個欄位、每欄 97% 準確率為例，在理想化假設下估算整份文件全對率約 54%，並提出錯誤捕捉率作為比單看準確率更能預示自動化上限的指標。
LlamaIndex：產品、工程與評測AI 評分5555 AI 文件抽取為何容易在 Schema 設計上出錯
LlamaIndex 指出，AI 文件抽取在生產環境失準，往往源於 Schema 未界定欄位語義、可空性或重複資料結構，而不只是模型讀取錯誤。其 ExtractBench 涵蓋 4,869 頁、370 份文件、8 個業務領域及 67 種文件類型，分開衡量值 F1、記錄完整度與詞級及頁級 grounding F1；文中稱商用 VLM 在長文件中會截斷記錄清單。
LlamaIndex：產品、工程與評測AI 評分5858 LiteParse 2026 年 9 月更新加快 PDF 解析、改善表格準確度並新增視覺定位
LlamaIndex 更新 LiteParse，PDFium 優化令文字抽取耗時減少 20-25%，並改善 Markdown 解析表現，新增視覺定位及 is-complex API。
LlamaIndex：產品、工程與評測AI 評分5555 LlamaIndex 解釋 VLM 為何難以解析表格
LlamaIndex 指出，通用 VLM 難以可靠解析表格，因其並非為文件及表格處理最佳化；LlamaParse 則以專用方案取得更佳結果並降低成本。LlamaParse 以巢狀 JSON 保留欄位與分區關係，並處理勾選狀態、邊界框定位和欄位歸屬。
LlamaIndex：產品、工程與評測AI 評分6262 LlamaIndex 發佈 Extract v2.5，提升文件抽取準確度
LlamaIndex 發佈文件抽取智能體 Extract v2.5，提升所有檔位的準確度，且每頁收費不變。ExtractBench 上，Cost Effective 的整體 value F1 由 87.1 升至 93.9，Agentic 由 89.8 升至 95.8，Agentic Plus 由 95.1 升至 96.4。
LlamaIndex：產品、工程與評測AI 評分3030 LlamaParse 應付帳款 OCR：效益、挑戰與最佳實踐
LlamaParse 將應付帳款 OCR 與 VLM 文件解析、機器學習及結構化解析整合，把非結構化發票轉成可驗證、可供企業系統使用的財務資料。系統可擷取發票欄位及明細，並在資料進入 ERP 前核對小計、明細與總額是否符合財務規則。結構化索引和檢索亦可加快查找發票記錄及財務屬性，強化審計準備。
LlamaIndex：產品、工程與評測AI 評分2727 甚麼是 Agentic OCR？智能文件自動化的下一階段
Agentic OCR 將推理、規劃與自我修正納入文件處理流程，並按文件元素選用合適模型，不再只做一次性文字擷取。多模態語言模型與自動文件類型識別可理解版面、表格及圖表；視覺定位則將擷取欄位連回來源頁面供核查。Agentic loop 透過一致性檢查驗證結果，並在輸出前修正總額與明細不符等錯誤。
LlamaIndex：產品、工程與評測AI 評分3131 LlamaParse 表格 OCR：如何從文件提取結構化資料
表格 OCR 透過表格偵測、結構辨識與資料擷取，將文件中的表格轉為 JSON、CSV 或 Excel 等機器可讀格式。LlamaParse 的發票示例會重建行列及欄位關係，並把數值映射至指定 schema。算術、資料類型及跨欄位一致性檢查，有助避免結構錯配流入企業工作流程。
LlamaIndex：產品、工程與評測AI 評分3939 非結構化資料抽取：如何將文件轉化為結構化洞察
現代非結構化資料抽取結合 NLP、NER 與 LLM，從文件擷取可查詢的結構化資訊，供下游系統處理。實際流程包括文件匯入、OCR 與分塊等預處理、提示詞抽取、資料驗證及輸出整合。LLM 的 zero-shot 能力無需領域專用訓練例子，可降低新增文件類型的成本。
HuggingFace Daily Papers（社區熱門論文）AI 評分3939 DiffGate：面向同策略蒸餾的難度門控教師指導
DiffGate 提出結果門控目標，將 GRPO 與按羣組難度調整的有界教師指導結合，只對失敗軌跡施加教師監督。在 Qwen3-0.6B 和 Qwen3-1.7B 上，程式碼 avg@8 較對應的 GRPO 分別提升 +1.7、+1.8 分，pass@8 提升 +1.6、+5.7 分；數學 pass@8 則提升 +1.1、+3.9 分，avg@8 與 GRPO 相差不超過 0.5 分。
HuggingFace Daily Papers（社區熱門論文）AI 評分2323 大型語言模型的數值線性代數
這篇綜述以大型語言模型為重點，梳理其所涉及的數值線性代數方法。機器學習中的許多工具，尤其是大型語言模型，均以矩陣和張量方法為基礎。文章旨在向數值方法專家闡明大型語言模型的核心概念，檢視相關技術採用的數值線性代數概念，並指出數值線性代數近期對機器學習的重要貢獻。
HuggingFace Daily Papers（社區熱門論文）AI 評分3939 為漂移模型學習判別性幾何結構
研究提出持續表徵學習，讓漂移模型直接從像素學習有效的判別性表徵，無需預訓練編碼器。在多個數據集上，該方法令原有像素空間漂移模型的 FID 降低約 82-95%。調整預訓練表徵及採用速度裁剪可進一步提升效果。
HuggingFace Daily Papers（社區熱門論文）AI 評分4141 Magic-W0：面向物理智能的結構化世界—動作基礎模型
Magic-W0 是面向物理智能的世界動作基礎模型，聯合建模結構化物理狀態演變與連續動作，並以當前狀態、轉換及未來狀態表示互動。在 RoboDojo-Sim 上，Magic-W0 平均得分為 27.10，在受比較的世界動作模型中最高。在多項真實機械人任務中，模型以有限下游數據微調後仍展現良好表現，支持其泛化及快速適應能力。
HuggingFace Daily Papers（社區熱門論文）AI 評分3535 DistScene：以物件至場景蒸餾生成 3D 場景
DistScene 提出單張圖片組合式 3D 場景生成框架，聯合建模環境與個別物件。框架透過 Object-to-Scene Distillation，以自動組合及渲染的合成場景，把預訓練物件生成先驗轉移至場景生成。在室內及室外基準測試中，DistScene 的場景層級空間連貫性優於參與比較的基線方法。
IT之家AI 評分4848 特斯拉持續推進 FSD 監管版輔助駕駛系統在中國台灣地區落地，進一步優化道路測試計劃
特斯拉正持續推進 FSD 監管版輔助駕駛系統在中國台灣地區落地的申請，並按首輪技術審查意見進一步優化道路測試計劃架構。測試路線除涵蓋法規要求場景，亦將納入由城市至鄉村的多種交通環境，以驗證系統對當地機動車與摩托車混行及交通規則的適應能力。公司將完善路線與場景規劃，推進系統取得相關審核認可。
IT之家AI 評分3030 極米記得 AI 顯示眼鏡 MemoMind One 明日進駐線下門店，開放定金預訂
MemoMind One 將於明日進駐全國 56 家線下門店及 INNO100 全球創新旗艦店，並開放定金預訂。10 月 3 日至 10 月 14 日到店預付 100 元定金，可獲贈價值 199 元墨鏡夾片 1 副。官方稱眼鏡具備 AI 記憶、導航和提詞功能，結合極米顯示、蔡司光學與哈曼聲學，目前尚未公佈配置資訊。
IT之家AI 評分7575 日本法院首次確認聲音受法律保護，認定未經許可模仿津田健次郎聲音侵犯形象權
東京法院在津田健次郎起訴 TikTok 案中，首次確認人的聲音受法律保護，並認定未經許可使用其聲音侵犯形象權。案件涉及匿名帳號用 AI 克隆其聲音為影片旁白；因帳號已註銷，法院未支持津田要求 TikTok 下架影片的請求。
IT之家AI 評分2929 大眾安徽與眾 09 夏測實車亮相，預售價 19.99 萬元起
大眾安徽與眾 09 夏測實車亮相，並已開啟預售，售價 19.99 萬元起。新車搭載端到端智能輔助駕駛模型，可實現高速／城區 NOA 和車位到車位 AI 代駕，並標配圖靈 AI 晶片，總算力 750TOPS。
IT之家AI 評分6464 Black Forest Labs 發佈 FLUX 3 Image，支援最高 4K 生成及精確排布畫面元素
Black Forest Labs 發佈圖像生成模型 FLUX 3 Image，最高支援生成 4K 解像度圖片，並可用座標網格和邊界框精確安排畫面元素。模型單次最多可融入 10 張參考圖像並指定物件位置，也可修改指定區域而保持其他像素不變；官方稱其能在像素級別維持原圖內容，以支援精確多輪編輯。
IT之家AI 評分3838 小鵬 MONA L03 車型 9 月交付超 14,000 台，年輕用户佔比過半
小鵬汽車表示，MONA L03 9 月交付超 14,000 台，年輕用户佔比過半。一線、新一線及二線城市佔七成，超九成訂單選擇 Max / Ultra SE，輔助駕駛里程累積超 7 億公里。
IT之家AI 評分7474 Anthropic IPO 招股書警告美國政府態度或影響客户關係，甚至波及人類文明
Anthropic 在 IPO 招股書中警告，美國政府對公司及其技術的態度可能影響政府業務，並延伸至商業客户和合作夥伴，甚至波及人類文明。
IT之家AI 評分5151 湖北擴大智能家居國補範圍，機械人、數碼相機等可補貼 15%
湖北省自 2026 年 10 月 1 日起擴大智能家居及相關消費品補貼範圍，新增機械人、數碼相機、無人機、血壓儀等品類。個人消費者在參與商家購買補貼範圍內產品，可按扣除各環節優惠後的最終售價獲 15% 補貼，每類產品限 1 件、每件不超過 1500 元。數碼及智能產品、家電仍參與國補。