Categories

Python

MarkItDown:微软的通用文档到 Markdown 转换器
AI

MarkItDown:微软的通用文档到 Markdown 转换器

任何文档理解 AI 管道的第一步都是将原始文档转换为机器可读的文本。这个看似简单的任务充满了挑战:具有复杂布局的 PDF、无可提取文本的扫描文档、包含合并单元格的 Excel 文件、包含嵌入图片的 PowerPoint 演示文稿。MarkItDown,微软的开源文档转换工具,正面应对这些挑 …

LangChain:LLM 应用程序开发的通用框架
AI

LangChain:LLM 应用程序开发的通用框架

使用大语言模型构建应用程序与传统软件开发有着根本的不同。LLM 是非确定性的、昂贵的、受限于上下文窗口,并且无法自行访问外部数据或执行计算。LangChain 提供了使 LLM 应用程序开发变得实用、可扩展和生产就绪的架构模式和构建块。

Marker:使用深度学习的开源 PDF 转 Markdown 工具
AI

Marker:使用深度学习的开源 PDF 转 Markdown 工具

PDF 文档仍然是知识传播最常见的格式之一,然而它们也是最难以程序化处理的格式。跨页面的表格、多栏布局、数学方程式、页眉和页脚都共同导致了简单提取工具的失败。Marker 以深度学习方法应对这一挑战,像人类读者一样理解文档结构——通过识别视觉布局模式,而不仅仅是遵循文本顺序。

TAG
CATEGORIES