Knowledgator presenta GLiFormer: un codificador de alto rendimiento para la extracción de json anidado

Knowledgator ha introducido GLiFormer, un marco de codificación basado en esquemas diseñado para tareas de extracción de información. El modelo, disponible en dos versiones: GLiFormer Base v1 con 264,2 millones de parámetros y GLiFormer Large v1 con 575,6 millones, maneja el reconocimiento de entidades nombradas, la clasificación de texto, la extracción de relaciones, la estructuración de JSON anidado y la generación de incrustaciones de texto. Ambos modelos son de código abierto bajo la licencia Apache 2.0 y se pueden instalar mediante pip. El marco elimina la necesidad de generar campos de salida de forma token por token, mejorando la eficiencia. GLiFormer se basa en GLiNER al introducir un mecanismo de 'ancla' para generalizar la coincidencia de etiquetas en diferentes tareas. El modelo procesa documentos utilizando una codificación compartida, con grupos específicos de tareas que manejan diferentes esquemas. El rendimiento del modelo se destaca con una puntuación F1 de 91,10 en la extracción de JSON anidado. Knowledgator informa que GLiFormer Large supera a Gemma-4-E4B con significativamente menos parámetros. Las métricas de rendimiento incluyen una latencia mediana de 69 ms en una GPU NVIDIA RTX PRO 6000 y 547 ms en una CPU AMD EPYC. El marco admite registros multinivel a través de esquemas Pydantic y permite la inferencia conjunta para entidades, clases y estructuras. Si bien los puntos de control v1 carecen de una 'cabeza de relación' abierta, la eficiencia y la precisión del modelo lo convierten en un avance notable en la extracción de información estructurada.