Extrator de Campos Dharma: Qualquer Documento Entra, Campos Estruturados em JSON Sai
huggingface ·
A Dharma-AI lançou o Dharma Field Extractor, um modelo especializado com 2 bilhões de parâmetros projetado para converter imagens de documentos não estruturados em dados JSON estruturados. Diferente do OCR ou dos grandes modelos de linguagem (LLMs) de propósito geral, que retornam texto bruto, esta ferramenta extrai campos específicos com base em esquemas definidos pelo usuário ou os identifica automaticamente a partir do contexto. O modelo foi treinado com mais de 43.000 exemplos em inglês, português e outros idiomas, abrangendo diversos tipos de documentos, como faturas, identidades e formulários médicos. Em testes de benchmark envolvendo 546 documentos, o extractor superou LLMs de ponta, como Claude Opus 5 e GPT-5.6 Luna, em precisão em nível de campo. Além disso, executar o modelo auto-hospedado em uma GPU L40S custa entre seis e 147 vezes menos do que usar alternativas comerciais via API. O sistema lida tanto com extração aberta quanto com solicitações direcionadas por esquema, retornando valores nulos para dados ausentes em vez de alucinar informações. Este lançamento reforça a tese da Dharma-AI de que modelos pequenos e específicos para tarefas podem superar modelos generalistas maiores em eficiência e custo-benefício.
huggingface