Ertas 助力文档分类

    微调 AI 模型,按类型、部门、紧急程度或您自己的分类体系整理文档,训练数据来自您自有档案中已标注的示例。

    The Challenge

    组织每天处理数千份文档——合同、发票、信函、报告、申请和合规申报——将每份文档路由到正确的团队或工作流取决于准确的分类。手动分类速度慢、不一致且难以规模化。当一份被错误路由的文档可能延误法律申报或错失时间敏感的商业机会时,错误成本是巨大的。

    通用 AI 模型在专业领域的文档分类上表现不佳,因为它们缺乏对组织特定文档分类体系的了解。通用模型可能能区分发票和合同,但它无法可靠地区分主服务协议和工作说明书,或区分监管申报和内部合规备忘录。这些细粒度的区分需要只能来自在组织实际文档语料库上训练的领域知识——这正是微调设计要解决的任务。

    The Solution

    Ertas Studio 让组织用档案中的真实示例,在自己的文档分类体系上微调分类模型。团队以 JSONL 格式上传已标注的文档样本,每条记录把文档文本与正确类别对应起来,然后通过 Studio 的可视化画布用 LoRA 训练开源模型。模型会学到在这套分类体系中区分不同文档类型的词汇、结构和规律。多次训练可以并行运行,团队可以先在预留数据集上比较不同的基础模型和参数设置,再做选择。

    训练好的模型列在 Hub 中,可下载 GGUF 格式供 llama.cpp 或 Ollama 使用,或下载完整的 safetensors 供 vLLM 使用。在您自己的服务器上运行时,被分类的文档留在您的网络内。训练在 Ertas 的云端 GPU 上进行,因此标注示例会上传到 Ertas:请先删除或遮盖其中的个人信息和机密内容,不再需要时可删除数据集。分类体系变化时(新增、拆分或合并类别),团队更新示例、重新训练,再换上新模型。已经把文档发送给前沿模型 API 的团队,也可以改用自适应模型端点。这是一项由销售团队对接的服务:用团队自己的请求训练的定制模型,在通过团队的评测后,承担越来越多的工作。

    Key Features

    Studio

    定制分类体系训练

    用已标注的示例,按照您组织的文档分类体系训练分类器。由于模型以文本形式给出答案,输出格式既可以是单一类别,也可以是多个标签,或是类别层级中的一条路径。

    Studio

    在 Data Craft 中审核标签

    使用 Studio 的引导式数据集构建器 Data Craft 编辑已标注的示例、保存数据集版本,并跟踪哪些示例已经过审核人批准。档案管理人员和领域专家先核对标签,模型再从中学习。

    Hub

    导出并在内部运行

    从 Hub 下载训练好的分类器(GGUF 或完整的 safetensors),在您自己的服务器上用 Ollama、llama.cpp 或 vLLM 运行,部署在文档接收系统之后。被分类的文档留在您的网络内,模型运行时不依赖任何 Ertas 服务。

    Cloud

    自适应模型端点

    已经在用前沿模型 API 给文档分类?使用自适应模型端点后,用您自己的请求和团队反馈训练的定制模型,在通过您的评测后承担越来越多的请求,疑难案例仍交给前沿模型处理。只需把现有的 API 调用指向一个新的模型名称,部署方式可选 Ertas 托管、您自己的云环境或本地部署。

    Example Workflow

    一家大型保险公司每天通过邮件、传真和网页门户收到 10,000 多份文档,包括新理赔、保单变更、医疗记录、理算员报告和法律函件,每类都要送到不同的部门。团队从档案中导出 50,000 条已标注示例,遮盖投保人姓名和身份标识后,把 JSONL 数据集上传到 Ertas Studio。他们针对 28 个类别的分类体系,用 LoRA 并行微调 Qwen 2.5 7B 和 Llama 3.1 8B,再在模型从未见过的预留测试集上,把两次训练的结果和一个通用模型放在一起比较。表现更好的模型从 Hub 导出,在公司自己的服务器上运行,部署在文档接收系统之后,为每份新文档给出类别。高风险类别以及任何与已知类别不匹配的输出都交给人工复核,复核过的文档又成为下一次训练的示例。

    Related Resources

    Ship AI that runs on your users' devices.

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