文章目录一、大模型发展面临的问题二、“大模型加速器”助力突破困难2.1现场效果展示2.1.1大模型加速器——文档解析引擎2.2.2图表数据提取三、TextIn智能文档处理平台3.1在线免费体验3.1.1数学公式提取3.1.2表格数据提取四、acge文本向量化模型4.1介绍4.2

1、引言    文档解析是开发者在业务实践中会频繁面临的场景，不管是用AI辅助日常工作，还是从事产品研发，然而从非结构化文本中提取文字、图片等信息具有很大的挑战。    目前市面上的文档解析工具普遍存在繁杂无序，缺乏统一评估标准，集成难度大、调试周期长，给个人开

  10月24日至26日，CSDN第五届“1024程序员节”在长沙召开，来自合合信息的常扬老师在“模型与工具”论坛上分享了合合信息的智能文档处理“百宝箱”，系统介绍了TextInParseX、acge-embedding、markdown_tester三种工具。正好我最近也在做一些扫描件的文档整理，就让我们一起来了解

在数字化转型的浪潮中，文本数据的处理和分析成为了各行各业关注的焦点。如何将人类阅读的文本转换为机器可理解的形式，并且能够准确地召回和提取这些转换结果，成为了提升我们工作效率和体验的关键。无论是从社交媒体中提取情感倾向，还是对大量文档进行内容相似性分析，或是在复杂的对话

1.背景文本向量化模型是自然语言处理（NLP）中的一项核心技术，它可以将单词、句子或图像特征等高维的离散数据转换为低维的连续向量，从而将文本数据转换为计算机能够处理的数值型向量形式。当文本信息被转换为向量形式后，输出的结果能够进一步地为多种后续任务提供有力支持，例如：搜索、聚

近期，上海合合信息科技股份有限公司发布的文本向量化模型acge_text_embedding在中文文本向量化领域取得了重大突破，荣获MassiveTextEmbeddingBenchmark(MTEB)中文榜单（C-MTEB）第一名的成绩。这一成就标志着该模型将在大模型领域的应用中发挥更加迅速和广泛的影响。MTEB概

一、合合信息acge模型获MTEB中文榜单第一 现阶段，大语言模型的飞速发展吸引着社会各界的目光，背后支撑大型语言模型应用落地的Embedding模型也成为业内关注的焦点。近期，合合信息发布了文本向量化模型acge_text_embedding（简称“acge模型”），获得MTEB中文榜单（C-MTEB）第一的成绩。