NVIDIA的NEMO RETRIEVER為多模式文檔提取提供了高效的解決方案，使用單個GPU大幅提高了AI管道的效率並降低了成本。該工具旨在處理複雜文件（如PDF和演示文稿），超越傳統的文本提取。 NEMO RETRIEVER利用微服務架構，形成可擴展的檢索生成（RAG）方案，結合了對象檢測和矢量嵌入，實現上下文感知的有效信息提取。部署在AWS G6E.xlarge機器上，支持視覺識別、OCR等功能，能夠快速處理多模式數據，助力組織實現更明智的決策。
勞倫斯·傑加（Lawrence Jengar）2025年6月18日19:16
NVIDIA的NEMO RETRIEVER提供了一種簡化的解決方案，用於使用單個GPU進行多模式文檔提取，從而提高了AI Pipelines的效率並降低了操作成本。
NVIDIA通過其NEMO RETRIEVER提取了AI管道效率的顯著進步，僅使用一個GPU就可以進行全面的多模式文檔處理。隨著組織面臨從各種數據源中提取有價值的見解的挑戰，傳統的只有文本提取方法已被證明不足。根據NVIDIA的說法，NEMO獵犬旨在通過有效處理複雜文件（例如PDF和演示文稿）來解決這些缺點。
多模式提取管道
NEMO獵犬利用微服務從各種文件類型中提取信息，形成可擴展的檢索生成（RAG）解決方案。該體系結構是RAG的NVIDIA AI藍圖的一部分，旨在通過將靜態文檔轉換為可行的見解來簡化企業知識管理。管道結合了高級組件，例如對象檢測和矢量嵌入，從而實現了有效的，上下文感知的檢索。
實施管道
部署NEMO獵犬提取管道涉及直接設置，可在AWS G6E.xlarge機器上使用，帶有單個L40S GPU。該管道包括用於視覺識別，OCR，嵌入模型和可觀察性工具的服務。部署後，用戶可以提交攝入作業以處理文件，提取，分裂和嵌入多模式數據中的結構化格式。
用例：Nvidia Blackwell GPU
說明性用例涉及處理有關NVIDIA Blackwell GPU的組織文件。該管道通過從多模式文檔中提取相關數據來有效處理性能比較的請求。這種方法允許無需手動文件審查即可快速準確地檢索。
結論
NEMO獵犬提取管道代表了AI驅動的文檔理解中的飛躍，將未充分利用的文檔轉變為高價值資產。它不僅提高了數據的質量，而且還有助於創建“數據飛輪”，在此改進的數據質量會導致更好的AI模型和更有價值的數據生成。組織可以利用這項技術來解鎖更深層次的見解，並為更明智的決策過程推動。
圖像來源：Shutterstock
資訊來源：由0x資訊編譯自BLOCKCHAINNEWS。版權歸作者所有，未經許可，不得轉載