Databricks 发布 AI Extract：PDF 提取准确率 95%，支持 500 页长文档
Databricks 于 8 月 20 日发布 AI Extract 功能，面向 Agent 从 PDF 等文档中提取字段的场景。由于 LLM 基于 Next Token Prediction 训练，常会"自动更正"文档内容造成数据失真，AI Extract 通过预训练优化解决了这一痛点，在极低成本下实现 95% 的提取准确率，优于其他方案约 87% 的表现，用户可直接通过 SQL 使用。
已确认
- 支持处理超 100 万 tokens、500+ 页的超长文档，以及包含数千行项目的大规模输出（如发票）
- 支持包含 1000+ 对象的大型嵌套 Schema 及需要前沿推理能力的复杂 Schema
- 另有 Precision Mode，将定制模型与 Agent 架构结合，在 9000 份文档上取得 94.7% 的精度
- 实现方式为自定义模型与 Agent 架构结合；用户可通过 SQL 直接使用
为什么重要
文档提取是企业 Agent 落地的高频刚需场景，传统 LLM 方案因幻觉式"纠错"难以满足精度要求。AI Extract 在超长文档、复杂嵌套结构两个维度上同时突破，并以低成本、SQL 可用的形式交付，可能显著降低企业构建文档智能体的门槛。
2026-08-20 ~ 2026-08-21 · 5 条相关
一手来源
- Databricks 发布 AI Extract：处理 500 页超长文档与复杂 Schema — matei_zaharia ·
- Databricks 发布 AI Extract：精准提取 PDF 字段，准确率达 95% — Scobleizer ·
- Databricks 文档提取模式登顶，9000 份文档精度 94.7% — mrdrozdov ·
- 【源头】Databricks 发布 AI Extract：处理 500 页超长文档与复杂 Schema — matei_zaharia · 2026-08-20
- Databricks 推 AI Extract，PDF 提取精度达 95% — jefrankle · 2026-08-20
- 【源头】Databricks 文档提取模式登顶，9000 份文档精度 94.7% — mrdrozdov · 2026-08-21
另有 2 条近重复转述:Zachly · Scobleizer