Databricks 发布文档抽取准确率提升工作流

Databricks 分享了一套基于 ai_extract 与 MLflow Prompt Registry 的文档抽取评估与改进流程，用于从数十种 PDF 版式中抽取约 40 个结构化字段。其博客称，Genie Code for document processing 负责搭建 Lakeflow 作业（含 ai_parse_document、ai_classify 及带引用与置信度分数的 ai_extract），并以评估和爬山循环自动化该流程的核心部分。 在方法上，Databricks 建议用 schema 约束字段规则、用全局指令处理文档逻辑、对困难结构启用 precision mode，并用引用定位错误。其称应在冻结测试集上至少运行生产配置 3–5 次，计算平均准确率与标准差。 Databricks 表示，变更是否上线仍应由人工控制；即使总体准确率未体现，为落实重要业务约定，也可能有理由上线结论为 INCONCLUSIVE 的变更。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。