我们构建了用于表格阅读的最先进模型 📋

表格类文档具有以下特性，容易让视觉语言模型（VLM）难以应对：
✅ 它们包含的结构远超标准 Markdown 能表达的范围。你需要为复选框、文本框、标签、签名字段等定义一致的类型。
✅ 它们可能极其复杂（例如扫描件、手写涂鸦，有些表单甚至密集排列着超过 100 个字段），但对准确率的要求却必须接近 100%。
✅ 任何表单解析器都需要精准的定位与归属。不仅要提取出各个字段的值，还要能精确地指出每个值在原始文档中的来源位置。
✅ 表单解析不仅需要高精度，还必须具备低成本和高效的特点。

在这篇博客文章中，我们深入探讨了构建表单解析器所需的各项要素：llamaindex.ai/blog/why-vlms-can-t-read-forms

如果你想试用我们的表单模型，请访问 LlamaParse：cloud.llamaindex.ai

@llama_index
解析表单仍然是最新前沿 VLM 面临的难题。表单并非页面上的普通文本，而是一组按不同区域分组的字段，每个字段都对应特定的输入框。这就是为什么表单需要专门定制的解析方案，而不是单纯依赖更大的通用模型：✅️ 检测每一个字段，而不仅仅是那些显而易见的……