「GPT-4」を上回る性能で、グラフィカルな文書を読解するLLM技術（EE Times Japan） - Yahoo!ニュース

「GPT-4」を上回る性能で、グラフィカルな文書を読解するLLM技術（EE Times Japan） - Yahoo!ニュース

NTTは2024年4月12日、大規模言語モデル（LLM）の活用により、文書に含まれる図表やグラフなども含めて理...概要を表示 NTTは2024年4月12日、大規模言語モデル（LLM）の活用により、文書に含まれる図表やグラフなども含めて理解し、自然言語での指示に従って読解／応答する「視覚読解技術」を実現したと発表した。今後、カスタマーサポート業務の補助や自然言語指示による作業の自動化など、オフィスDX（デジタルトランスフォーメーション）の推進への貢献が期待できる。 テキストベース読解と視覚読解の比較［クリックで拡大］ 出所：NTT 視覚読解技術とは、実世界の文書を視覚的に（画像として）理解し読解する技術だ。今日では、図表やグラフ、文字の見た目、レイアウトなどの視覚情報を用いた文書が多く扱われているが、従来のテキストベースの読解技術では、それらの視覚情報を読み取ることが難しかった。また、従来の視覚読解技術では、請求書に関する情報抽出のタスクなど、任意の文書やタスクに対応することが難しいため、目的のタスクや文書ごとに一

• あとで読む