datalab-to/lift

解决的问题

lift 旨在从 PDF 和图像中提取结构化 JSON 数据。它通过允许用户定义模型必须遵循的特定 JSON 模式，解决了将非结构化文档情报转换为机器可读格式的问题。

运作原理

它利用一个 9B 视觉模型，在单次传递中处理文档（包括多页 PDF）。该系统采用模式约束解码，确保输出为严格符合所提供模式的有效 JSON 对象。用户可以通过 HuggingFace 在本地执行模型，或通过 vLLM 服务器进行优化的生产与批处理。

适用对象

此工具适用于需要自动化从发票或报告等文档中提取特定字段的开发人员与数据工程师，以及需要为下游应用程序提供保证 JSON 输出的用户。

特色亮点

• Schema-Constrained Decoding：保证输出为符合用户模式的有效 JSON。
• 多页支持：处理数值可能跨越多页的文档，并在单次传递中完成。
• 灵活推论：支持本地 HuggingFace 执行与远程 vLLM 服务器部署。
• Schema Studio：包含一个基于 Streamlit 的交互式应用程序，用于建立与测试模式。
• 高性能：经基准测试，与其他多种模型相比，具有更高的字段准确度与更低的延迟。