https://www.youtube.com/watch?v=KgqWyVVH4Oc
牛排与代码:揭秘AI为何读不懂PDF——Reducto CEO的深度烹饪访谈
这篇文章是一档名为“Late Space Cooking Show”的烹饪访谈节目的文字记录。主持人一边做饭(制作牛排三明治),一边采访了AI文档处理公司 Reducto 的联合创始人兼CEO Adit Abraham。
简单来说,这场谈话的核心就是:为什么AI在处理像PDF这种看似简单的文件时,仍然会“翻车”?
你可以把Reducto想象成一个专门教AI看懂各种复杂文件的“超级老师”。因为PDF文件最初是为打印设计的,而不是为了让机器“阅读”,所以里面充满了各种奇怪的排版、表格、手写笔记等“陷阱”。很多AI模型在处理这些文件时会出错,比如漏掉信息、读错行。
Adit在节目中解释了他们的解决方案:
- 不只靠一个“聪明”的模型:他们会组合使用多种技术,就像厨师会用不同的刀来处理不同的食材一样。
- 追求“人类级”的精准度:他们的目标不仅仅是做到99%的准确率,而是要做到近乎完美,并且当自己不确定时,能清晰地告诉客户“这里我拿不准,请人工复核”。
- 从“读取”到“编辑”:Reducto的目标不仅是读懂文件,未来还要能像人一样去编辑、修改文件内容,比如自动翻译并调整合同格式。
除了技术,他们还聊到了创业历程、团队文化(招聘那些对工作有“痴迷感”的人)、如何与强大的竞争对手共存,以及他们新发布的更强大、更便宜的模型R1。
总的来说,这篇文章用一个轻松的烹饪场景,深入浅出地探讨了一个非常硬核的技术问题:如何让AI像人类一样,精准无误地理解和处理现实世界中杂乱无章的信息。
视频采访内容分段详解
第一部分:开场与背景介绍 (0% - 15%)
-
开场寒暄与“牛排争议”
- 主持人欢迎Reducto的CEO Adit做客节目,并提到两人是因为Adit之前发的一张看起来很好吃的牛排照片在网上走红而相识。
- 主持人开玩笑说Adit的照片遭到了网友的“吐槽”(ratioing),他们打算在今天通过实际烹饪来“正名”。
-
公司名称的由来与创业起点
- Adit透露,他们最初加入YC孵化器时的项目叫“Remember All”,主要研究AI的长期记忆,但他们在进入YC的第一天就知道这个方向不对。
- 公司名字“Reducto”来源于一个内部投票,当时他们想为公司起一个代表“为开发者打造魔法工具”的名字,虽然候选名单里有很多糟糕的名字,但最终选定了这个。
- 这段经历展示了初创公司从想法到落地过程中的灵活性和随机性。
-
核心问题的历史背景:从OCR到AI代理
- Adit解释了PDF处理的复杂性。他指出,PDF最初的设计目的是为了“忠实于打印机输出”,而不是为了让AI“阅读”。
- 他提到,有些人在这个领域深耕了几十年,甚至比他的年龄还大,比如曾参与开发打印机驱动程序的人。
- 他认为,要让AI代理(Agent)像人类一样处理文档,就必须达到“人类级别的保真度”,这是一个极其困难的视觉识别问题,并将其类比为自动驾驶汽车的研究——从基础的“车道保持”到全自动驾驶,难度天差地别。
第二部分:Reducto的技术核心与产品理念 (15% - 35%)
-
平台定位:文档交互的终极方案
- Reducto的目标是成为任何AI模型与文档或非结构化文件进行交互的最佳方式,覆盖从解析、分类到编辑的全流程。
- 他们认为,人类工作的很大一部分就是从文档中读取信息和向文档中写入信息,Reducto希望自动化这个过程。
-
模型路由策略:长尾问题的挑战
- 面对不同复杂度的文档,Reducto采用“路由”策略:对于简单的纯文本页面,使用成本更低的小模型;对于复杂的表格等难题,则调用更强的大模型。
- 然而,由于不知道哪一页会出现复杂情况,这本质上是一个“长尾问题”,很难提前预判。
-
自研模型R1:从“租用”到“拥有”
- Adit宣布即将发布全新的自研模型R1,它能端到端地完成从捕捉布局到最终修正的所有步骤,目标是接近100%的准确率。
- 他解释了公司从依赖外部模型(如Qwen VLM)转向自研模型的逻辑:对于一个特定任务,经过微调的专有模型在准确性、成本和延迟这三个维度上都能超越通用基础模型。
- R1将大幅简化定价模式,其单页成本将低于他们现有基础模型的成本,但准确性却高于他们最准确的模型,这对大规模客户来说是巨大的利好。
-
“深度提取”与独立基准测试
- 针对“为何不直接等待基础模型变强”的质疑,Adit回应说,他们发现了一个有趣的权衡:许多专用平台在限制推理时间时表现不如前沿模型,但前沿模型的失败模式在于“召回率”(Recall),即它们会静默地遗漏信息。
- 这种“静默遗漏”在生产环境中极难被发现,而Reducto的“深度提取”功能就像一个“安全带”,能审计结果,确保信息完整。
- 他们与第三方机构Micro One合作创建了独立的基准测试,以避免“王婆卖瓜”之嫌,让客户能在自己的文档上进行验证。
第三部分:应对高精度需求与行业差异 (35% - 50%)
-
超越99%的准确率:可追溯性与置信度评分
- 对于医疗、金融等低容错率的行业,99%的准确率可能仍然不够。Adit认为,除了提高首次识别的准确率外,“可追溯性”至关重要。
- 这意味着系统必须能清晰指出信息是从哪里提取的,并能提供准确的置信度分数,告诉人类审核员“这里可能需要你看一下”。
- 他们内部评估的标准不仅包括提取准确率,还包括“在不完美的情况下,能多可靠地把问题升级给人类”。
-
持续评估与失败模式分析
- Reducto的机器学习团队投入大量精力进行“持续评估”,在真实生产环境中发现那些“不完美”但并非完全错误的情况。
- 他们关注的是失败模式的规律,而不是单个数据点。例如,他们知道要重视手写识别,但更重要的是要能发现“倾斜纸张上的潦草字迹”这类特定失败模式,以便在下一次训练中改进。
-
横向平台 vs. 垂直行业方案
- Adit解释了为什么他们坚持做一个横向平台,而不是针对医疗、法律等不同行业开发垂直方案。
- 他认为,所有文档最终都归结于一些共同的“基本元素”(Primitives),比如区分段落、理解表格结构等。人类看文档时能凭直觉做出这些判断。
- 因此,他们在医疗领域(处理传真件、混乱表格)积累的经验,能自然地提升其在金融领域的表现。他们是在构建一种人类阅读文档的“直觉”。
第四部分:企业文化、招聘与创始人故事 (50% - 65%)
-
拥抱AI原生的团队文化
- Adit分享了他的联合创始人是典型的“LLM原生代”,日常工作高度依赖AI工具。这种文化是自上而下自然形成的,而非强制推行。
- 例如,销售团队会自发使用Devon(AI编程工具)为客户创建定制网站。面试环节也允许使用LLM,这使得真正擅长利用AI工具的候选人脱颖而出。
-
招聘哲学:“痴迷于你的手艺”
- Reducto招聘速度很慢,但非常挑剔。他们最重要的文化价值观是“对自身手艺的痴迷”(Obsession for your craft)。
- Adit认为,这种痴迷会体现在日常工作的严谨性上。比如,他们的首位员工Yee(顶尖ML研究员)会亲自花无数时间在PDF上画框、检查数据,这种对数据的执着是关键。
- 在面试中,他会询问候选人“你曾在什么事情上做到世界一流?”,观察对方谈论此事时是否“两眼放光”,以此来识别这种特质,无论对方的痴迷对象是烹饪、运动还是游戏。
-
创始人关系:互补与零争吵
- Adit和他的联合创始人Ronic相识于MIT,至今共事近三年,从未发生过真正的争吵。他们能够基于事情本身的是非曲直进行讨论并解决分歧。
- 他认为,在创业的高压环境下,能与合伙人坦诚相待、不产生怨恨,是比技能互补更重要的特质。
- 两人技能互补:Ronic领导工程,Adit负责市场,但都对产品有共同的理解。
第五部分:业务发展、市场竞争与未来愿景 (65% - 85%)
-
从早期到B轮的成长与角色转变
- Adit坦言,随着公司规模扩大,他不得不学会放手,不再时刻盯着Slack。他意识到公司有自己的生命力。
- 他的工作重心也从处理具体事务转向了人员管理和文化建设,例如撰写文化文档。他形容自己“总是在当前阶段的工作中显得笨拙,然后三个月后变得熟练,接着又开始下一项新工作”。
-
竞争与防御性:执行力的胜利
- 面对拥挤的市场,Adit认为竞争是好事,因为它让市场变得“任人唯贤”。他们的防御性来自于持续的评估能力和处理每月超过十亿页文档所带来的“飞轮效应”。
- 客户群越广泛,他们对各类问题的直觉就越强。他认为,在当前环境下,系统性优势不如执行力重要。
-
未来产品边界:聚焦文档操作本身
- Reducto的未来不会像Rippling那样成为一个提供众多服务的复合型平台。他们将始终聚焦于“对文档本身的操作”,如解析、分类和编辑。
- 对于文件存储等周边服务,他们只有在能显著改善客户体验时才会考虑涉足。
-
“搜索问题”的本质与RAG的演变
- Adit提出一个观点:很多问题归根结底都是“搜索问题”。无论是传统的RAG(检索增强生成),还是AI代理遍历文件系统寻找上下文,其本质都是搜索信息、整合信息并做出行动。
- 尽管大模型的上下文窗口越来越大,但这个底层逻辑并未改变。
第六部分:从“读取”到“编辑”的跨越与总结 (85% - 100%)
-
“Copilot时刻”尚未到来:白领工作的自动化瓶颈
- Adit认为,白领工作还没有迎来像编程领域GitHub Copilot那样的颠覆性时刻。原因之一是数据分散在各个角落,且存在大量不成文的“机构知识”。
- 例如,一个大型金融机构的员工可能会凭经验知道“如果屏幕左下角出现这个标记,就代表这是来自肯塔基州的文件”,但这种知识很少被记录下来。
-
文档编辑的巨大潜力与现实挑战
- Reducto正在从“读取”扩展到“编辑”。例如,帮助公司将英文合同自动翻译成阿拉伯语(从右向左的语言),这不仅涉及翻译,还要重新调整整个版面和格式,这是一个非常困难的问题。
- 他们最近招募了一位在开源办公代理领域很知名的专家Leang,来领导这方面的研发。
-
里程碑与未来展望
- Adit分享了公司最新的进展:结构化提取模型的性能大幅提升,同时成本降低了一半以上(从每页4.5美分降至约2美分)。这并非刻意降本,而是专注提升性能带来的自然结果。
- 他强调,公司的北极星指标始终是成为最准确的文档处理平台,同时保持模型无关性。
-
节目尾声与“牛排复仇记”
- 最后,两人完成了牛排三明治的制作,品尝后赞不绝口。主持人打趣道,这次终于可以回应网上的批评者了。
- 节目在一片欢声笑语和美食的赞美声中结束,成功地为Adit之前的“牛排争议”正了名。
Top comments (0)