Adit Abraham：为什么文档解析仍会难倒 AI

Allen Park 欢迎 Reducto 联合创始人兼首席执行官 Adit Abraham 来到 Latent Space Cooking。两人一边制作配有青酱、布拉塔奶酪和桃子的牛排三明治，一边讨论文档处理的难点及初创公司的方法。

Abraham 说，创始人带着名为 Remembrall 的 agent 记忆项目进入 Y Combinator，但当时已经预期会转型。Reducto 的名字来自团队对候选名称和可用域名的讨论。

PDF 处理已有很长历史，但最初目标是忠实打印，而不是方便 AI agent 读取信息。表格、布局和视觉关系使可靠提取成为困难的视觉问题。

Abraham 将逐步改进文档识别比作驾驶辅助，把可靠端到端读取的雄心比作自动驾驶。Reducto 希望模型不仅解析文档，还能进行分类和编辑等交互。

长尾问题让路由更复杂：看似普通的文档可能包含一张事先不知道位置的复杂表格。公司最初用较小的计算机视觉模型处理常规工作，用更大模型处理困难案例。

Abraham 介绍 Reducto 自研的端到端处理模型 R1，包括布局和修正。他围绕准确率、成本和延迟选择模型，而不是坚持所有东西都由内部构建。

他说，针对任务的后训练经常改善公司的成本、准确率与延迟权衡，而通用基础模型对一些更广泛的任务仍然合适。具体如何分工取决于工作负载。

谈到 Deep Extract，Abraham 说前沿模型即便提取出的字段看似准确，也可能悄悄漏掉表格行或上下文。遗漏在生产中尤其难发现，因为用户可能不知道原本应提取什么。

主持人问及基准测试的夸大问题。Abraham 说，供应商自建基准常变成营销材料；Reducto 与外部伙伴合作，让自己不选择文档或标准答案。他仍建议客户用自己的文档测试。

Abraham 说，拍摄时 Reducto 每月处理超过十亿页。他将 R1 描述为既提高准确率又简化并降低单页定价的方式；这些数字和比较来自公司自身。

Park 问，为何即便准确率达到 99%，在医疗等高风险工作流中仍可能不够。Abraham 说首次提取准确率很重要，但没有完美系统，有些错误的后果也远大于其他错误。

他强调指向原文位置的引用、可靠的置信度估计，以及交由人工审阅。团队不仅衡量提取准确率，也衡量能否识别和复核不完美结果。

Reducto 的机器学习团队持续评估生产中的失败模式。倾斜的传真页面上有超出表格线的手写内容，就是现实案例可能组合简单手写基准未覆盖难点的例子。

Abraham 认为，不同行业文档共享段落边界、阅读顺序和表格关系等基础结构。因此，提高对混乱医疗文档的适应能力，也可能帮助处理金融文档，尽管行业仍有特定细节。

他以法律文档的删除线和下划线为例，说明细节的重要性因领域而异。他的目标是建立广泛适用的解析能力，并在客户业务定义不同时允许配置解释方式。

被问到内部 AI 采用情况时，Abraham 说团队没有强制使用特定编码 agent。员工看到同事有效使用工具后开始自己尝试；他提到销售人员制作面向潜在客户的材料。

公司允许在面试中使用语言模型，并安排八小时现场面试。Abraham 说，题目有一定难度，有效使用工具可能成为优势；他回忆了一位异常迅速完成软件部分的候选人。

谈到招聘，Abraham 说他看重对技艺的持续投入：例如逐页检查 PDF 的研究者，或将困难客户支持问题跟进到解决的工程师。

他会问候选人曾努力精通的事情，包括工作之外的兴趣。他认为，当人遇到自己关心的问题时，好奇心和严谨态度可以迁移。

谈话暂时转到桃子：两人尝试用喷枪处理，然后把桃片移到平底锅中。他们是在采访过程中制作三明治，并未提供精确配方。

随着公司发展到 B 轮阶段，Abraham 说自己的工作从处理单笔交易和支持工单转向招聘、客户与传达文化。最初学会授权并不容易。

他说团队仍每周开会，但重要项目可能跨越一周。他现在也考虑月度和季度优先事项，同时努力保留初创公司随市场变化调整的能力。

谈到竞争，Abraham 将持续评估和多样化客户视为学习来源。他认为，如果供应商不能持续提供最佳结果，要求高的客户会转向其他产品。

Reducto 希望专注文档交互，包括读取、分类和编辑，而不是为了扩张而进入文件存储领域。Abraham 说，扩张应改善客户体验。

他介绍一家法律科技客户：改进解析和引用后，用户对文档的互动增加。他把这一观察作为客户下游效果的例子，而不是通用基准。

Abraham 与联合创始人 Raunak Chowdhuri 在麻省理工学院相识。他重视双方就事论事讨论分歧、共同面对初创压力而不积累怨气的能力，并认为两人的技能互补。

一次 Anthropic 黑客松推动了他们的创业之旅。模型上下文窗口的限制最初使他们关注长期记忆，之后才转向文档处理。

Abraham 说，即使产品看起来不像传统检索增强聊天机器人，许多产品仍包含先搜索再推理。浏览文件系统的 agent 同样会检索并组合相关上下文。

公司正在工程、机器学习、基础设施和销售等领域招聘。Abraham 说，随着增长，瓶颈转向是否有足够的人满足需求。

话题从读取转向编辑。Abraham 希望模型处理合同修订和填写表单等任务：准确理解结构之后，还必须同样谨慎地应用修改。

翻译展示了这一挑战：将英文文档改成阿拉伯语可能改变文字方向、布局和分页。译文准确本身并不能保证编辑后的文档可用。

Abraham 说，机器学习团队跨问题工作，而不是完全按产品分割。他重视让工程师的热情与具体难题相匹配，例如文档编辑。

他认为办公工作尚未迎来自己的 Claude Code 时刻。障碍之一是企业数据分散，以及模型要可靠行动所需却没有文档记录的本地流程。

垂直领域客户可以理解特定行业的完整工作流，而文档平台提供通用能力。Abraham 以法律和税务应用说明这种分工。

他说 Reducto 正在改进结构化提取、引用和 schema 遵循，同时降低成本。他给出的价格与性能比较反映的是公司在录制时报告的产品变化。

两人用牛排、布拉塔奶酪、桃子和青酱组装三明治。品尝后，他们又玩笑般地回到 Abraham 先前的牛排是否在网上遭到不公平批评的话题。

咬下一口后，两人数了数掉出的肉片并称赞三明治。节目结尾，主持人请嘉宾为这份成品找一个文档处理方面的比喻。