Покажите VLM скан исполнительного листа — и она уверенно вернёт реквизиты. Формат будет идеальным, тон — безупречным. Одна беда: среди реквизитов с ненулевой вероятностью окажется несуществующий ИНН с правильным форматом, сумма, которую никто не сверил с документом, а рядом в сводке будет гореть «качество: 100 %» — на скане 745×1024 @ 96 DPI, с которого в принципе нельзя прочитать реквизиты.
Рубрика «vlm»
Как я перестал верить нейросети и полюбил контрольные разряды: Zero-Trust для распознавания юридических документов
2026-10-06 в 13:56, admin, рубрики: 1С, llm, ocr, python, vlm, верификация, галлюцинации, инн, ФССППочему VLM галлюцинирует объекты, которых нет: zero-shot детекция дыма и решение с помощью промпта
2026-09-11 в 8:15, admin, рубрики: vlm, Zero-shot, видеоаналитика, Галлюцинации нейросетей, детекция дыма, промпт-инжинирингРанняя детекция дыма и огня — частая и ценная задача уличной видеоаналитики. Камера может заметить возгорание раньше, чем люди на улице или оператор. Обучать отдельную модель детекции — это датасет, разметка и время, а возгорания в кадре выглядят слишком по-разному, чтобы быстро покрыть все случаи. Поэтому, когда сценариев детекции в рабочих проектах стало слишком много, я решила попробовать короткий путь, попросить VLM (языковую модель, умеющую работать с изображениями) найти дым текстовым промптом в zero-shot режиме, то есть вообще без обучения под задачу.
Первой моделью взяла Qwen3.5-9BЧитать полностью »
Современные OCR для сложных документов: сравниваем 6 open-source моделей на реальном кошмаре инженера
2025-11-16 в 6:31, admin, рубрики: gemma-3, llm, ocr, paddleocr, qwen3, vlm, мультимодальные модели, распознавание текстаПривет! Каждый, кто хоть раз пытался вытащить данные из скана акта или старого отчета, знает эту боль. Классические OCR-инструменты, вроде старого доброго Apache Tika, отлично справляются с простым печатным текстом, но пасуют перед реальными вызовами: таблицами со сложной вёрсткой, рукописными пометками, мелким курсивом и разными шрифтами в одном документе.
Чтобы не быть голословными, давайте посмотрим на типичный «сложный» документ и что с ним делает Tika.
Тело AI-агентов: технический обзор робота 1X Neo
2025-11-04 в 11:39, admin, рубрики: 1x neo, AI, ai-агенты, llm, ml, NEO, robotics, vlm, гуманоидные роботы, роботыНа днях по AI пабликам завирусился робот 1X Neo, который заявляется разработчиками как человекоподобный робот для помощи по дому. Мне стало жутко интересно покопаться в устройстве и начинке этого робота, потому что скрещивание VLM и механизмов может привести к огромному прорыву в индустрии и новым большим изменениям.
Поговорим про устройство робота, железо и софт на борту, прикладные задачи и ближайшее будущее.
Когда фантастика 1939 года становится реальностью 2025-го
2025-11-01 в 8:29, admin, рубрики: bipedal locomotion, llm, rag, vla, vlm, искусственный интеллект, научная фантастика, онтология, робототехника, роботыВчера вечером я впервые после детства взяла в руки рассказ «Я, робот» Эндо Биндера, опубликованный в январе 1939 года в журнале Amazing Stories.Именно Эндо Биндера (псевдоним братьев Эрла и Отто Биндеров) — а не Айзека Азимова. Это тот самый рассказ, чьё название Азимов «позаимствовал» одиннадцать лет спустя для своего знаменитого сборника 1950 года, причём сам Азимов протестовал против этого решения издателя, понимая, что название уже занято. А фильм 2004 года с Уиллом Смитом сняли по мотивам азимовского цикла о Трёх законах роботехники, так что связь с оригинальным рассказом Биндера только в названии.
VLM vs IDP (хайп vs конвейер): кто выигрывает в гонке за точностью и эффективностью
2025-10-22 в 12:42, admin, рубрики: AI, idp, llm, ocr, vlm, обработка данных, обработка изображений
Vision Language World Model: язык как картина мира
2025-09-05 в 15:35, admin, рубрики: llm, vlm, агенты, ИИ
Пишем отчет о пентесте за 1 час на локальной LLM. Часть 1
2025-08-20 в 12:16, admin, рубрики: llm, redteam, vlm, отчеты, тестирование на проникновениеВ этой статье мы рассмотрим как на оборудовании стоимостью от 1000$, с полностью локальными LLM и VLM на основе скриншотов и коротких пояснений генерировать грамотно написанные отчеты об уязвимостях самого широкого спектра, начиная от Web/мобилок, заканчивая инфрастурктурными уязвимостями Active Directory, k8s и так далее. Заглянем под капот VLM (Vision Language Model) и рассмотрим различные подходы к описанию уязвимостей.