ARTICLE · 1004514
官方译介 | 复杂文档提取新标杆:Databricks Document Intelligence 推出 Precision Mode
原文地址：
https://www.databricks.com/blog/databricks-document-intelligence-pushing-frontier-complex-document-extraction
原文发布日期：2026 年 8 月 18 日
原文作者：Jane Zhang, Arnav Singhvi, Ivan Zhou, Archika Dogra, Matthew Ding and Nihit Desai
翻译：洞见Databricks（上北智信运营）
在ai_extract中引入 Precision Mode：在现有方案力不从心的长文档和复杂模式上，实现前沿级别的准确率。
从跨页对账的长文档、数千行的发票明细，到需要推理计算的复杂字段模式——企业非结构化文档中沉睡的数据价值巨大。今天，Databricks Document Intelligence 正帮助数千家客户将这些数据投入生产，把数十亿页文档转化为驱动生产管道、智能体和应用程序的结构化数据。Panasonic、EY-Parthenon、Intercontinental Exchange（NYSE）等客户已将其用于最苛刻的工作流，每周处理数百万份文档。
在与客户合作的过程中，我们注意到现有大语言模型（LLM）或基于规则的文档提取方案在以下三类难题上力不从心：
1. 长文档：一份租约第 1 页的续租条款取决于第 80 页的某项条款，或第 150 页的段落重新定义了第 3 页的术语。现有方案无法正确解析这些跨页引用。
2. 大输出、深嵌套：一份包含数百个 SKU 的多页提单，或一张有数千行明细的发票。随着输出增长，现有方案会丢弃或截断字段。
3. 复杂模式与推理：需要综合三份财务报表的风险分类，或需要根据每项记录价格应用所列折扣来计算合同价值。现有方案无法跨文档一致地应用正确的逻辑。
📝 图1｜Precision Mode 结合自定义文档提取模型与智能体框架，在长文档、大输出和推理密集型模式上提供可靠、准确的提取。（图片来源：Databricks 官方博客）
今天，我们激动地宣布在文档提取 API ai_extract 中推出 Precision Mode，为最复杂的企业文档和任务树立了准确率新标杆。
Precision Mode 将我们为文档提取自定义训练的模型与一个智能体框架（agentic harness）相结合，在长文档、大输出和推理密集型模式上提供可靠且准确的提取。在涵盖约 9000 份复杂文档的基准测试中，Precision Mode 达到了业界最优质量，在提取准确率上大幅超越最新的前沿模型。
"在 Intercontinental Exchange，我们每月处理数百万份复杂、高度可变动的金融文档。Document Intelligence 帮助我们将这些复杂性转化为结构化的市场情报，使我们能够更快地行动、为客户创造更大价值，并解锁能够加速分析和规模化决策的智能体工作流。"
——Anand Pradhan，Intercontinental Exchange（NYSE）抵押贷款数据业务 CTO 兼 AI 负责人
为了在最困难的提取任务上提升准确率，我们的研发团队从两个层面入手：定制模型本身，以及在模型周围构建高效的智能体框架。
我们的研究团队基于困难客户工作负载构建的基准，训练了用于文档提取的自定义高效模型。这些模型能够定位、推理并从复杂文档中提取结构化信息。我们没有依赖越来越大的通用模型，而是针对"准确的结构化提取"这一任务进行了专门优化。
即使是一个强大的模型，在面对数百页的跨页推理或一次性生成数千个字段时也会力不从心。受 Databricks MemEx启发，我们的团队构建了一个智能体框架，能够：
语义分解大型提取任务
并行执行更小的子任务
保留中间结果
最终对账合并为一个结构化输出
📝图2｜使用智能体框架管理长文档提取：任务分解 → 并行子智能体提取 → 结果合并。（图片来源：Databricks 官方博客）
为了验证 Precision Mode，我们的评估基准围绕能将现有方案逼到极限的工作负载设计。
具体而言，我们在约 9000 份文档上评估了 Precision Mode，覆盖其旨在解决的三大提取挑战。评估集包含：
长达 2000 页的文档
包含数千行明细的发票
密集的多页表格和图表
包含超过 300 个深层嵌套字段的模式
需要跨文档交叉引用的推理密集型任务
文档来源包含两组基准：
10个内部数据集：灵感来自我们见过的最困难的客户工作负载，覆盖金融服务、制造、医疗健康等关键行业
5个公开基准：VAREX、RealDocBench、LongExtractBench、LEDGER，以及使用 Caselaw Access Project 数据集的长文档压力测试
这些数据集共同覆盖了 10-K 申报文件、提单、技术手册、金融文档、临床笔记、政府专利和资助申请等文档类型。
📝图3｜内部基准中包含的复杂文档示例：密集表格、跨页引用、深层嵌套字段。（图片来源：Databricks 官方博客）
文档提取的一个自然起点是单次前沿模型调用：传入文档和模式，要求模型返回结构化输出。但在我们评估的密集复杂工作负载上，这种方法很快会崩溃——长文档可能超出模型上下文限制，导致结果不准确、不完整。
因此，我们针对一个更强、更现实的基线进行了基准测试：分块合并（chunk-and-merge）。我们将每份文档拆分为更小的块，独立提取，然后将结果合并为最终输出——这也是工程师在单次模型调用不够用时普遍采用的模式。
我们使用领先的 GPT、Claude 和 Gemini模型及其默认 API 设置测试了分块合并方法，然后将每个模型与 Precision Mode 在提取准确率上进行比较 ¹。
📝图4｜跨基准测试中，Precision Mode 达到 94.7% 准确率，超越最强前沿模型分块合并基线 GPT-5.6 Sol 达 7 个百分点。（图片来源：Databricks 官方博客）
在所有基准测试中，Precision Mode 达到 94.7% 的准确率，超越最强的前沿模型分块合并基线 GPT-5.6 Sol达 7 个百分点。
特别是在困难的长文档工作负载上，我们观察到前沿模型遇到了大量操作故障模式，包括分块超时、输出截断，以及不符合请求模式的不完整最终合并。相比之下，Precision Mode 的智能体方法对这些故障模式具有鲁棒性，且我们自定义训练的提取模型保持了提取的高效和准确。
对于最复杂的文档提取任务，AI Extract Precision Mode 现已可用。在调用 ai_extract函数时将模式设为 precision，或在 Agents 页面的 Information Extraction UI 中打开 Precision Mode 开关：
📝图5｜AI Extract Precision Mode 操作演示。（图片来源：Databricks 官方博客）
¹ 我们将准确率定义为匹配真实标注对象的提取对象比例。评分因类型而异：
基本类型（布尔值、浮点数、整数、枚举）：直接匹配
字符串：先尝试直接匹配，再模糊匹配，最后使用 LLM 评判器
数组：通过找到预测项与期望项之间的最接近配对来评分，然后对所有配对取平均
对象：按字段类型逐字段评分，然后对所有字段取平均
这篇发布于 2026 年 8 月 18 日的产品文，展示了 Databricks 在企业级 AI 应用落地上的最新进展。与 6 月的 Instructed-Retriever-1（检索加速）一脉相承，Precision Mode 同样采用了"自定义模型 + 智能体框架"的双层架构思路——这正是 Databricks Agent 战略的核心技术范式。
对于国内企业而言，合同审查、发票处理、财报分析等场景的文档提取需求极为旺盛。Precision Mode 的架构思路（语义分解 → 并行子任务 → 结果合并）对自建文档 AI 管道有很强的参考价值。
【本文由洞见Databricks 编辑呈现】
洞见Databricks 由上北智信运营，聚焦 Databricks / Lakehouse / Spark 在国内的落地实践与中文技术生态。
🤝 商务合作 / 技术交流
扫码添加企微客服，或见公众号菜单栏「联系我们」
