近日，专注于计算机视觉领域的 AI 公司 LandingAI 正式发布了 Agentic Document Extraction Gen2 版本。这是其文档处理架构的一次全面重构，核心基于全新的 DPT-3 模型家族。此次更新标志着 LandingAI 从传统的 OCR（光学字符识别）工具向更复杂的“智能体”系统迈出了关键一步，旨在解决企业在处理复杂数据结构时面临的挑战。
从“块”到“树”的架构进化
在 Gen1 版本中，文档通常被分割成扁平的“块”进行处理。然而，在实际业务场景中，文档往往具有复杂的层级结构，如多层嵌套表格、页眉页脚以及跨栏排版。Gen2 版本引入了更先进的“文档-页面-块树”结构。这种层级化的数据表示方法，不仅保留了文档的原始布局信息，还能让 AI 模型更好地理解上下文关系，从而在提取数据时避免语义混淆。
DPT-3 Pro 与 Verity：高精度提取的双重引擎
此次更新引入了两个关键的 DPT-3 模型变体，分别针对不同的精度需求：
DPT-3 Pro：专注于“行级”精度。这意味着模型能够精确识别并提取表格中的特定行，即使这些行包含复杂的合并单元格或交错内容。对于金融报表、发票列表等结构化数据，Pro 版本能提供极高的准确性。
DPT-3 Verity：则侧重于“词级”精度，并附带置信度评分。在处理法律合同、医疗记录或需要极高准确率的非结构化文本时，Verity 模型通过提供置信度分数，让用户能够对提取结果的可靠性进行评估，从而在人工审核时进行重点检查。
智能体与计费模式的变革
Agentic Document Extraction 的“智能体”一词暗示了其不仅仅是识别文字，还具备一定程度的理解和推理能力。通过树状结构，系统可以模拟人类阅读文档的逻辑，对复杂文档进行更自然的解析。此外，Parse 计费模式也发生了重大调整。Gen2 版本不再按“页”计费，而是改为按“输出字符数”计费。这一举措对于开发者和企业用户而言意义重大，它打破了页面大小的限制，使得长文档或低密度文档的处理成本更加透明和可控。
迁移与未来展望
值得注意的是，Gen1 的代码将无法在 Gen2 的端点上运行，这意味着现有的集成项目需要进行相应的代码迁移。尽管存在一定的迁移成本，但这次重构所带来的数据处理效率和准确性提升，对于希望自动化复杂文档工作流的科技公司和金融机构来说，无疑是值得的投资。LandingAI 此次发布的 Gen2，再次展示了其在文档智能领域的技术领导力。
信息来源： MarkTechPost
原文链接： https://www.marktechpost.com/2026/09/09/landingai-releases-agentic-document-extraction-gen2-with-dpt-3-pro-and-dpt-3-verity/
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/09/09/landingai-releases-agentic-document-extraction-gen2-with-dpt-3-pro-and-dpt-3-verity/
