文件分類

    微調 AI 模型,依類型、部門、緊急程度或您自己的分類體系整理文件,訓練資料來自您自有檔案中已標註的範例。

    The Challenge

    組織每天處理數千份文件——合約、發票、信函、報告、申請書和合規申報——將每份文件路由到正確的團隊或工作流程取決於準確的分類。手動分類緩慢、不一致且難以擴展。當一份被錯誤路由的文件可能延遲法律申報或錯失有時效性的商業機會時,錯誤的代價是巨大的。

    通用 AI 模型在專業領域的文件分類上表現不佳,因為它們缺乏對組織特定文件分類法的脈絡理解。通用模型或許能區分發票和合約,但無法可靠地區分主服務協議和工作說明書,或區分監管申報和內部合規備忘錄。這些細微的區分需要只能來自在組織實際文件語料庫上訓練的領域知識——這正是微調被設計來解決的任務類型。

    The Solution

    Ertas Studio 讓組織用檔案中的真實範例,在自己的文件分類體系上微調分類模型。團隊以 JSONL 格式上傳已標註的文件樣本,每筆記錄把文件文字與正確類別對應起來,再透過 Studio 的視覺化畫布以 LoRA 訓練開源模型。模型會學到在這套分類體系中區分不同文件類型的詞彙、結構與規律。多次訓練可以同時執行,團隊可以先在保留資料集上比較不同的基礎模型與參數設定,再做選擇。

    訓練好的模型列在 Hub 中,可下載 GGUF 格式供 llama.cpp 或 Ollama 使用,或下載完整的 safetensors 供 vLLM 使用。在您自己的伺服器上執行時,被分類的文件留在您的網路內。訓練在 Ertas 的雲端 GPU 上進行,因此標註範例會上傳到 Ertas:請先刪除或遮蔽其中的個人資料與機密內容,不再需要時可刪除資料集。分類體系變動時(新增、拆分或合併類別),團隊更新範例、重新訓練,再換上新模型。已經把文件送到前沿模型 API 的團隊,也可以改用自適應模型端點。這是一項由業務團隊對接的服務:用團隊自己的請求訓練的客製模型,在通過團隊的評測後,承擔愈來愈多的工作。

    Key Features

    Studio

    客製分類體系訓練

    用已標註的範例,依照您組織的文件分類體系訓練分類器。由於模型以文字形式給出答案,輸出格式可以是單一類別、多個標籤,或是類別階層中的一條路徑。

    Studio

    在 Data Craft 中審核標籤

    使用 Studio 的引導式資料集建構工具 Data Craft 編輯已標註的範例、保存資料集版本,並追蹤哪些範例已經過審核人核准。檔案管理人員和領域專家先核對標籤,模型再從中學習。

    Hub

    匯出並在內部執行

    從 Hub 下載訓練好的分類器(GGUF 或完整的 safetensors),在您自己的伺服器上以 Ollama、llama.cpp 或 vLLM 執行,部署在文件收件系統之後。被分類的文件留在您的網路內,模型執行時不依賴任何 Ertas 服務。

    Cloud

    自適應模型端點

    已經在用前沿模型 API 為文件分類?使用自適應模型端點後,以您自己的請求和團隊回饋訓練的客製模型,在通過您的評測後承擔愈來愈多的請求,疑難案例仍交由前沿模型處理。只要把現有的 API 呼叫指向一個新的模型名稱,部署方式可選 Ertas 代管、您自己的雲端環境或地端部署。

    Example Workflow

    一家大型保險公司每天透過電子郵件、傳真和網頁入口收到 10,000 多份文件,包括新理賠、保單變更、病歷、理算人員報告和法律函件,每類都要送到不同的部門。團隊從檔案中匯出 50,000 筆已標註範例,遮蔽要保人姓名與身分識別資料後,把 JSONL 資料集上傳到 Ertas Studio。他們針對 28 個類別的分類體系,以 LoRA 同時微調 Qwen 2.5 7B 和 Llama 3.1 8B,再在模型從未見過的保留測試集上,把兩次訓練的結果和一個通用模型放在一起比較。表現較好的模型從 Hub 匯出,在公司自己的伺服器上執行,部署在文件收件系統之後,為每份新文件給出類別。高風險類別以及任何與已知類別不符的輸出都交由人工複核,複核過的文件又成為下一次訓練的範例。

    Related Resources

    Ship AI that runs on your users' devices.

    Start free with 150 credits after card verification. Paid plans from $20/mo USD.