LMV-RPA：基于大模型投票的机器人流程自动化

自动化高频率非结构化数据处理对于 operational efficiency至关重要。光学字符识别（OCR）是关键环节，但在复杂布局和模糊文本方面常常难以保证准确率和效率。这些挑战在需要速度与精度并存的大规模任务中尤为突出。本文引入了LMV-RPA，一种基于大模型投票的机器人流程自动化系统，用于提高OCR工作流程的准确率。LMV-RPA集成了来自Paddle OCR、Tesseract OCR、Easy OCR和DocTR等OCR引擎的输出，以及来自LLaMA 3和Gemini-1.5-pro等大型语言模型（LLM）。通过多数投票机制处理OCR输出，生成结构化JSON格式，提高准确率，尤其在复杂布局方面。多阶段管道将OCR引擎提取的文本通过LLM处理，组合结果以确保最准确的输出。LMV-RPA在OCR任务中实现了99%的准确率，显著超过基线模型的94%，同时将处理时间缩短80%。基准评估确认了其可扩展性，表明LMV-RPA提供了一个更快、更可靠、更高效的解决方案，用于自动化大规模文档处理任务。