HERMES: мультиагентный фреймворк для извлечения структурированных знаний из сверхдлинных документов в геонауках
**⚠️ Status: preprint This article is based on a preprint published on arXiv. The work may not have undergone independent peer review. Conclusions reflect the authors' position.
Что произошло
HERMES использует координирующую большую языковую модель, которая интегрирует предметные ограничения, правила валидации и отслеживание источников в единый процесс извлечения на уровне документа. Система обрабатывает не только текст, но и таблицы, рисунки и подписи к ним. В качестве тестового полигона выбран 55-томный трактат «Treatise on Invertebrate Paleontology» — авторитетный источник знаний по геонаукам, который ранее оставался малодоступным для вычислительного анализа из-за неструктурированного формата и сложной вёрстки.
Результатом работы стала структурированная база, опубликованная на сайте treatise.geolex.org. Производительность извлечения остаётся стабильной для разных групп окаменелостей: средний F1 составил около 0.90 для сущностей и 0.91 для атрибутов. Эффективность обработки каждого тома выросла примерно в шесть раз по сравнению с ручными методами.
Что изменилось по сравнению с предыдущей версией
HERMES — новый подход, ранее подобные мультиагентные системы для сверхдлинных документов в геонауках не применялись. По сравнению с традиционным ручным извлечением или автоматическими методами, которые не справляются с разнородным контентом (текст + таблицы + изображения), фреймворк демонстрирует масштабируемость и высокую точность.
Цены и доступность
Система описана в препринте на arXiv (не прошёл рецензирование). Созданная база данных доступна бесплатно по адресу https://treatise.geolex.org.
Почему это важно
HERMES открывает путь к извлечению структурированных знаний из многовековых научных монографий и исторической литературы, которые до сих пор хранят огромные массивы неоцифрованных данных. Для рынка AI это демонстрация того, как мультиагентные LLM-системы могут решать сложную задачу document understanding с обеспечением качества и прослеживаемости фактов.
Краткое объяснение технологии простыми словами
Большие языковые модели хорошо работают с короткими текстами, но теряют контекст при обработке книг. HERMES разбивает задачу между несколькими специализированными AI-агентами: один отвечает за извлечение фактов, другой — за проверку их достоверности, третий — за работу с таблицами и рисунками. Координирующий агент собирает результаты в единую базу, применяя правила предметной области (например, таксономические ограничения). Это позволяет обрабатывать документы объёмом в тысячи страниц без потери качества.
Для пользователей AI-Sphere
Геологам, палеонтологам и специалистам по наукам о Земле новый инструмент даёт прямой доступ к ранее неструктурированным данным. Разработчики AI-решений могут изучить архитектуру HERMES как пример масштабируемого документ-ориентированного извлечения знаний. На сайте ai-sphere.ru можно следить за появлением других фреймворков для работы с научной литературой.