加载中...
本文提出并开源一套基于多模态大语言模型(Gemini-2.5 系列)的管道,用于从 9,562 张档案影像中自动构建 306,070 条德国专利记录,并在基准测试中显示出比人工更高或相当的数据质量,同时在速度上快约 795 倍、成本低约 205 倍,显著降低历史微观数据构建的门槛 .
| 指标 | Extraction (Gemini-2.5-Pro) | Reparation (Gemini-2.5-Flash-Lite) | Student-Constructed |
|---|---|---|---|
| Perfect Entries | 1,385 | 1,385 | 1,385 |
| Extracted Entries | 1,403 | 1,385 | 1,373 |
| Matched Entries | 1,360 | 1,378 | 1,358 |
| % Perfect Matched (Recall) | 98.19% | 99.49% | 98.05% |
| % Extracted Matched (Precision) | 96.94% | 99.49% | 98.91% |
| 变量 / 指标 | Gemini-2.5-Flash-Lite: Total | Matched | Match Rate |
|---|---|---|---|
| Total Cells | 6,890 | 6,550 | 95.07% |
| Patent ID | 1,378 | 1,371 | 99.49% |
| Assignee (name) | 1,378 | 1,270 | 92.16% |
| Location | 1,378 | 1,259 | 91.36% |
| Title (description) | 1,378 | 1,287 | 93.40% |
| Date | 1,378 | 1,363 | 98.91% |
元数据与概览(引言与报告概览)
逐节深度解读
图表与图像(逐一深度解读)
图 2(示例条目图,page=6)
图 3(管道流程,page=7)
图 4(人工清洗界面示例,page=9)
图 5(CER 按卷比较,page=12)
表格与数值解读(关键表)
表 1(Stage I 基准测试结果,page=13)
表 2(Stage II 变量抽取,page=13)
表 3(成本拆分,page=15 与 page=14)
估值分析(若无传统估值则说明)
风险因素评估(作者识别与我方补充)
批判性视角与细微差别(审慎评估)
结论性综合(整合与关键发现)
附:引用的关键原文页码(用于溯源)
若需要,我可以:
2512.19675.pdf