LDP(Linklogis Document Parsing)是联易融自主研发的全流程端到端的先进文档解析解决方案。
LDP由视觉大模型，语言大模型，以及模态信息融合3个组件构成，通过同时解读文本信息和视觉信息（如文档格式，布局，图片等），从而更准确地理解数据和提取关键信息。
LDP使得整个文档解析流程变得更加简洁高效，用户只需输入图片和相应的提问（Prompt），模型就能够迅速生成对应的答案。这个过程涵盖了多种文档处理任务，包括但不限于提取要素内容和位置、印章识别、文字识别等。此外，LDP全流程端到端的设计特点，也使其优化迭代的效率得到了极大地提升，从而能够更好地应对不断变化的场景和数据。
A.快问快答
一、功能
联易融自研大模型LDP具备哪些强大功能？
1、开箱即用
标准的LDP文档解析方案囊括了合同、商业发票，报关单等合计25+类型文档的解析支持。对这些标准的单据，企业用户可直接开箱使用，省去了定制的过程。LDP优秀的泛化能力和对各类文档的适应性来源于其基于百万级各个领域的专业文档数据所进行的预训练。
2、支持快速迭代
LDP支持各种类型单据（包括制式和非制式，英文和中文，印刷体和手写体等）的快速迭代处理，以应对企业用户股对优化、定制、和新增单据解析方案的需求。LDP无论是非制式单据还是制式单据，都能应对自如。
3、多语言、多版式、多元素的文档解析
LDP支持不同语言、不同版式的文档解析，以适应各种业务需求和应用场景。LDP不仅拥有优秀的语言理解能力，可以理解复杂的语义关系，还能对文档里面的图片、印章、表格、签名等元素进行理解和解析。
4、幻觉可控
幻觉抑制是生成式大模型落地亟待解决的关键挑战。LDP多模态大模型创新性地将文字内容与版面布局信息相结合，利用双流网络架构，分别处理文本语义和版面特征。在Transformer的基础上，我们引入了跨模态注意力机制，使模型能够有效地在两种模态之间传递信息，从而在理解和生成过程中综合考虑文字内容和版面布局，显著减少了因单一模态处理导致的“幻觉”现象。
5、高精的结果可视化
LDP支持解析结果在原文档的可视化。为了进一步提高模型对坐标输出的精准度，LDP合理利用了transform架构下的Attention机制。传统Attention机制虽然能够捕捉到输入序列中的关键信息，但在处理复杂版面结构时，其定位能力有限。因此，我们在模型中加入了绝对位置编码和局部注意力模块，使模型能够更准确地识别和理解版面元素的位置关系，从而在输出坐标信息时达到更高的精度。
6、结构化输出
LDP的解析结果以稳定、可控、结构化的形式输出。这使得LDP能够更好的去配合下游应用的构建。
7、统一的底层框架
在LDP框架下，只需开发和维护一个基础模型，无需为不同类型的文档解析任务开发多个专门的模型。
二、优点：使用联易融自研大模型LDP会带来哪些显著的变化？
1、工时缩短
以最常见的合同解析场景为例，使用LDP技术之前，一位专业金融工作人员审核一份材料需要大约15分钟，使用LDP技术之后，可能只需要两到三分钟。
2、能效提高
通过LDP技术的应用，处理单张图片的时间从原先约2000毫秒缩短至约700毫秒，显存占用从5.88GB降至3.5GB。
3、高性价比
单次LDP文档解析的调用成本低至几分钱，具有显著的成本效益。
4、准确率高
在实际应用中，LDP对非制式文档的要素解析准确率达到85%以上（如合同，提单，航空单等），对于制式文档的解析准确率超过90%（如报关单）。
B. 实际案例
（一）联易融在与一家外资银行合作的项目中成功部署大模型。在该项目中，单据类型复杂多变，每种单据都有独特的格式和要求，单据类型多达20种。部分单据类型的格式甚至超过1000种，同时业务场景复杂且挑战性极大，涉及与银行内部的多个业务部门。
联易融在该项目的合同智能审核中综合运用了多种前沿AI技术，通过引入LDP，对文档进行全面解读和信息提取。联易融的算法工程师基于近200万张来自各个专业领域的文档图片对LDP进行重新训练。这些训练数据涵盖了合同、商业发票等多种关键文档类型，快速高效解决了该外资银行的业务难题，同时确保了LDP在应用中具有广泛适用性和高效性。
（二）联易融与某央企财务公司共建服务内容系统建设项目，联易融作为技术支持方，建立一套由电子影像系统、电子合同系统和电子档案系统组成的服务内容系统，通过综合性的AI解决方案支持该财务公司各类合同文本的读取和解析，满足其产融部、结算部、资金部所有信贷类、结算类、资金类的纸质合同、凭证的电子化传递、归档，同时提升了办公室及其他部门的各类行政档案及重要纸质文档的电子化归档效率。
精彩评论