结构化数据相关 AI 资讯 · AITOP · AI热报

9月1日

00:53

00:53

LlamaIndex@llama_index

精选

LlamaParse已正式成为Claude平台的验证连接器。该连接器可将复杂PDF、表格和图表转换为结构化数据。用户可将其解析为Markdown、JSON或HTML格式。连接器还支持字段提取和文档集合搜索功能。

AI产品 LlamaParse Claude 文档解析

推荐理由：LlamaParse现在可以在Claude上使用，帮你处理那些乱七八糟的PDF表格，还能直接提取数据到你的系统里。

8月29日

02:16

02:16

Jerry Liu@jerryjliu0

精选

LlamaParse引入了原生智能体电子表格提取功能，可处理任意行列数的复杂表格。该功能通过调整的智能体引擎实现大规模模式引导提取，准确率极高。用户可在高级处理选项中开启"电子表格提取"，将资产负债表等密集表格提取为结构化数据。

AI产品 LlamaParse 电子表格提取智能体

推荐理由：LlamaParse新增电子表格提取功能，能准确处理复杂表格结构，比传统OCR更适合电子表格格式。

8月6日

11:59

11:59

官方账号arXiv cs.AI@Ovi Paul, Tom J King, Ali Shokri

RepairFormer将结构化输入修复建模为监督序列生成任务，使用格式标签和oracle验证确保输出有效。其边界修复流程只针对检测到的故障区域，降低了输入规模，可支持修复更长的文件。评估中修复率达到88%，恢复率94%，在修复成功时内容保留最强。额外基准上修复97.57%、恢复94.29%，运行速度比现有方法快5倍。

论文 RepairFormer 结构化数据数据修复

推荐理由：RepairFormer用Transformer自动修复损坏的JSON等文件，保留内容，修复率88%，速度比现有方法快5倍。

6月16日

14:13

14:13

LlamaIndex@llama_index

LlamaParse 保留合同文档的层次结构，使用语义推理识别支付条款、续约条件、终止条款等关键字段，无论其如何起草。与遗留 OCR 不同，它能够理解合同语义而非仅扫描文本。最终输出 schema 对齐的结构化数据，可直接供下游系统使用。

AI产品 LlamaParse LlamaIndex 合同提取

推荐理由：LlamaParse 专治合同 PDF 提取难题，能自动识别支付条款、续约条件等关键字段，比传统 OCR 更智能。

00:40

00:40

Jerry Liu@jerryjliu0

精选

LlamaIndex在LlamaParse中新增Extract功能，解决企业合同非标准模板、跨章节引用及修订条款等语义解析难题。该功能通过保留文档层次结构、语义推理关键字段（如付款条款、续约日期），将合同从纯文本转化为验证后的模式对齐输出。相比传统OCR仅做数字化，Extract实现了高精度且成本可控的合同理解，避免在每页使用Fable/Opus等昂贵模型。结果可直接供下游生产系统使用，支持批量合同处理场景。

AI产品 LlamaIndex LlamaParse 合同提取

推荐理由：LlamaIndex新出Extract，能把杂乱的合同PDF自动变成结构化数据，解析条款和修订不再头疼，企业合同管理直接省下人工翻找的功夫。

6月11日

00:20

00:20

a16z@a16z

精选

a16z GP David Haber 指出，大多数工作对话正被默认记录，未来你在工作中说的每一句话都可能被录下。他认为，当前企业系统的核心是结构化数据（如CRM、工单、文档），但最高价值的信息其实存在于非结构化的对话中——客户电话的细节、产品评审的真实争论、领导会议中改变路线图的随口评论。LLM 擅长将这些语音数据转化为可搜索、可查询的结构化信息，这催生了一个围绕语音而非文本的企业软件新类别。Haber 认为这是一个巨大的企业机会，但软件层形态和归属权仍在早期探索阶段。

行业企业软件语音数据 LLM

推荐理由：a16z 点出了企业软件的下一个战场——语音数据，做 SaaS 或企业工具的团队值得关注这个趋势，提前布局语音分析能力。

6月5日

02:42

02:42

Jerry Liu@jerryjliu0

LlamaIndex 团队开源了 Parse-Flow，一个可视化文档处理管道项目，旨在解决企业 AI 中从 PDF 等非结构化文档提取可靠结构化数据的难题。它集成了解析、分类、拆分和提取四个核心原语，用户可通过拖拽画布构建工作流，底层由 LlamaAgents 驱动，每一步都可观测且失败可处理。该项目已在 GitHub 开源，并附有详细架构博客。

AI产品 LlamaIndex 文档处理开源/仓库

推荐理由：企业 AI 团队终于有了一个开箱即用的文档处理框架，做合同、发票、报告等非结构化数据提取的开发者可以直接上手，拖拽式设计降低了门槛，值得一试。

5月18日

12:07

12:07

官方账号arXiv cs.AI@Arquimedes Canedo

精选

论文提出了一种名为paper.json的轻量级JSON文件约定，旨在解决LLM智能体阅读学术论文时的常见问题，如子声明无法细粒度引用、范围过度扩展、图表命令隐藏在代码库中。该约定包含五个核心约定：稳定声明ID（C1）、明确的不声明列表（C2）、精确的每图shell命令（C3）、稳定定义ID（C5），以及最低可行合规性（C4）。作者声称，为已完成的论文手动编写符合规范的JSON文件可在1小时内完成。论文本身已实现合规，并通过了验证测试。该工作开源在GitHub上，为AI驱动的论文阅读和自动化提供了标准化接口。

论文 LLM智能体论文阅读结构化数据

推荐理由：做AI论文阅读工具或学术自动化智能体的开发者，这个约定能解决子声明引用和范围误判的痛点，值得直接参考或贡献。