英文原标题:Felicis leads $7.5M bet on Unsiloed AI to make enterprise documents usable by AI agents

本文为英文原文的机器翻译摘要,原文见:TechCrunch AI ↗

  • Unsiloed AI 获得由 Felicis 领投的 750 万美元种子轮融资,Y Combinator、Orange Collective、Uncorrelated Ventures 及天使投资人参与。
  • 该公司致力于将包含表格、图表和复杂版式的企业文档转化为 AI 智能体可用的结构化数据,并标注信息在原文中的来源以便核查。
  • 联合创始人兼 CEO Aman Mishra 指出,LLM 本质上是概率性的,会产生偏差和幻觉,下游影响严重。
  • Unsiloed 采用“双流”视觉模型分别处理文本和图像,并结合“基于热图的切块”技术,将算力集中在图表、数字等关键区域,还使用考虑行业术语的专用解码器。
  • 公司已服务金融、法律、医疗领域客户,包括一家银行、一家律所和语音 AI 初创公司 Bolna AI;目前团队仅 7 人,融资将用于招聘研究人员和工程师、扩展销售及开发专有数据集。

关键数据

  • 种子轮融资额:750 万美元
  • 测试涉及 542 份金融文档,提取约 84,000 个数据点,准确率 99.78%(未独立验证)
  • olmOCR-Bench 得分:Unsiloed 88.0,Reducto 66.0,Unstructured 39.9;基准覆盖 1,403 页 PDF
  • 定价:每页 1 美分起
  • 团队规模:7 人

引语

  • “LLM 的问题在于它们本质上是概率性的。”
  • “一个流中是文本 token,另一个流中是精确的图像 token。”

为什么值得看:企业文档中的复杂信息是 AI 智能体落地的关键障碍,Unsiloed 的技术路线和初步测试数据展示了解决这一痛点的可能,同时其面临的竞争格局也值得关注。

站内导航