様々な形式の非構造化ドキュメントの処理に悩んでいませんか？Fireworks AIは最近、「Document Inlining」という革新的な機能を発表しました。この機能は、PDF、スクリーンショット、画像などの非構造化ドキュメントを、大規模言語モデル（LLM）が理解できる構造化テキストに変換します。チャットボットやAIモデルが直接使用できるテキストを提供することで、AIによるドキュメント処理の効率と精度を大幅に向上させます。

image.png

Document Inliningの中核は、強力な複合AIシステムにあります。このシステムは、テキスト、表、グラフ、ネストされたレイアウトなど、ドキュメント内の様々なコンテンツを自動的に認識して解析します。これにより、AIはこれらのファイルを普通のテキストを読むように理解することができます。

image.png

このツールは非常に使いやすく、複雑な設定は必要ありません。さらに驚くべきことに、OpenAI APIと互換性があります。ユーザーは既存のAPIに1行のコードを追加するだけで、FireworksでDocument Inlining機能を使用できます。追加の学習コストは一切かかりません。

Document Inliningの主な利点は以下の通りです。

高品質な出力:

Document Inliningが提供するテキストの品質は、従来のテキスト型LLMの出力に匹敵し、場合によってはそれを上回ります。特に推論と生成タスクにおいて優れた性能を発揮します。視覚言語モデル（VLMs）と比較して、LLMはDocument Inliningで変換されたテキストを使用することで、より正確で専門性の高い結果を生成できます。これは、構造化されたテキストの方がLLMにとって理解しやすく、活用しやすいことを示しています。

様々なドキュメント形式のサポート:

Document Inliningは、PDFや画像など、様々なドキュメント形式をサポートしています。例えば、テストでは、このツールはPDFドキュメント（履歴書など）から応募者のGPAなどの学術情報を正確に抽出することができ、解析結果が明確で正確であることが示されました。これは、その強力なドキュメント解析能力を十分に証明しています。

複雑なドキュメントの解析能力:

Document Inliningは、強力な複雑なドキュメント解析能力を備えています。テストでは、表、グラフ、複数のパラグラフを含む複雑なドキュメントを解析し、LLMが理解できるテキストに正常に変換することができました。これは、様々な情報要素を含む複雑なドキュメントの処理において、非常に強力なツールであることを示しています。

公式サイト：https://fireworks.ai/blog/document-inlining-launch#quality-evaluation