在大模型于社會應用廣泛普及的當下，人們既享受著其帶來的便利，也面臨著“AI幻覺”風險。訓練數據作為影響大模型“認知能力”的關鍵因素，其質量和處理水平至關重要。合合信息推出的TextIn文檔解析，基于領先的智能文檔處理技術，能夠對復雜文檔的版式、布局和元素進行精準解析及結構化處理，從數據源頭降低大模型“幻覺”風險。

　　賽爾教育科技發展有限公司作為教育國際化、教育信息化、數字化教育方案的提供商，在教育行業大模型建設工作中，深刻體會到數據數量和質量的重要性。教育行業文檔格式多樣，包含表格、公式、手寫字符、多語言文字等信息，高效準確提取文本信息并非易事。

　　賽爾教育CTO、教育數字化事業部總經理楊林表示，教育行業中所涉及的文檔格式多樣，在內容上也包含了表格、公式、手寫字符、多語言文字等信息。如何高效準確地提取各類文檔中的文本信息，并非易事。此前，賽爾教育做了很多嘗試，但模型的速度和準確性都達不到要求，嚴重影響了科研工作的進展。合合信息文檔解析技術提供了專業的技術支持和服務，有效解決了文檔處理過程中的問題。

（TextIn文檔解析引擎助力知識庫理解手寫筆記示意圖）

　　雙方共同協作，基于TextIn文檔解析提升大模型對復雜版面、元素的“理解力”。該技術使大模型能夠按照人類正常的閱讀順序識別文檔結構，智能劃分標題、段落、表格和圖表等內容塊，幫助大模型理解版面、內容間的對應關系，從而減少AI“幻覺”現象。

　　TextIn文檔解析在復雜版面理解、表格處理、內容溯源等能力上不斷實現新突破。它可精準識別上千種文檔中的跨頁表格、合并單元格、密集表格、手寫字符及公式。其圖表解析模塊更是能智能提取多種圖表中的關鍵數據點、坐標軸信息、圖例說明等，將圖表還原為一組完整的Excel表格數據，可應用于教育行業大模型微調、學科知識庫建設、智能審閱等環節。

　　此次合合信息與賽爾教育的協作，為教育行業大模型的發展注入了新的活力。通過TextIn文檔解析技術，大模型的認知能力得到了顯著提升，有望在教育領域發揮更大的作用，推動教育信息化、數字化進程邁向新的臺階。