एक ही एंटिटी पर कई AI मॉडल समानांतर में रन करें, उनके आउटपुट के बीच फ़ील्ड-स्तरीय कॉन्फ्लिक्ट का पता लगाएँ, और परिणामों को एक सिंगल हाई-कॉन्फिडेंस रिकॉर्ड में फ्यूज़ करें। यही Entity Enricher का मुख्य अंतर है: एक ही LLM पर भरोसा करने के बजाय, आप अधिकतम डेटा सटीकता के लिए प्रोवाइडरों में क्रॉस-वैलिडेट करते हैं।
Entity डेटा + Schema
स्वतंत्र रूप से संवर्धित करता है
स्वतंत्र रूप से संवर्धित करता है
स्वतंत्र रूप से संवर्धित करता है
सभी मॉडल आउटपुट में फ़ील्ड-दर-फ़ील्ड तुलना
नियम-आधारित मर्ज
बहुमत मत, माध्यिका, यूनियन
LLM आर्बिट्रेशन
AI रीज़निंग के साथ हल करता है
ऑडिट ट्रेल के साथ एकल उच्च-विश्वास रिकॉर्ड
जब आप किसी एनरिचमेंट जॉब के लिए कई मॉडल चुनते हैं, तो Entity Enricher एक ही एंटिटी डेटा और स्कीमा को एक साथ प्रत्येक मॉडल को भेजता है। प्रत्येक मॉडल अन्य मॉडलों के आउटपुट की जानकारी के बिना स्वतंत्र रूप से चलता है, जो वास्तव में स्वतंत्र डेटा पॉइंट सुनिश्चित करता है।
यह सिस्टम प्रोवाइडरों के किसी भी संयोजन का समर्थन करता है — Anthropic Claude, OpenAI GPT-4, Google Gemini, Mistral, या Ollama के माध्यम से सेल्फ़-होस्टेड मॉडल। प्रति-प्रोवाइडर रेट लिमिटिंग सुनिश्चित करती है कि आप थ्रूपुट को अधिकतम करते हुए प्रत्येक प्रोवाइडर की API सीमाओं के भीतर रहें।
रीयल-टाइम SSE स्ट्रीमिंग प्रत्येक मॉडल के पूरा होते ही प्रगति दिखाती है, जिसमें मल्टी-एक्सपर्टीज़ रणनीति का उपयोग करते समय प्रति-विशेषज्ञता प्रगति शामिल है। आप सभी मॉडलों के समाप्त होने से पहले आंशिक परिणाम देख सकते हैं।
सभी मॉडल पूरा होने के बाद, कॉन्फ्लिक्ट डिटेक्शन इंजन उनके आउटपुट की फ़ील्ड-दर-फ़ील्ड तुलना करता है। यह तुलना टाइप-अवेयर है -- अलग-अलग फ़ील्ड प्रकार अलग-अलग तुलना नियमों का उपयोग करते हैं:
| फ़ील्ड टाइप | तुलना विधि | सहमति नियम |
|---|---|---|
| स्ट्रिंग / स्केलर | सटीक मिलान (सामान्यीकृत) | केस/व्हाइटस्पेस सामान्यीकरण के बाद सभी मान समान होने चाहिए |
| Number | सटीक संख्यात्मक मिलान | सभी मान समान संख्याएँ होनी चाहिए |
| बूलियन | सटीक मिलान | सभी मॉडल को true/false पर सहमत होना चाहिए |
| बहुभाषी | प्रति-भाषा तुलना | हर भाषा key की तुलना स्वतंत्र रूप से की जाती है |
| Array | Set तुलना (क्रम अनदेखा) | क्रम की परवाह किए बिना समान आइटम |
| Object | प्रति-प्रॉपर्टी पुनरावर्ती | सभी नेस्टेड फ़ील्ड मेल खाने चाहिए |
| Null मान | null == अनुपस्थित | Null और अनुपस्थित को समतुल्य माना जाता है |
मतदान नियमों का उपयोग करके नियतात्मक समाधान। तेज़, पूर्वानुमेय, और किसी अतिरिक्त LLM कॉल की आवश्यकता नहीं।
एक arbitration मॉडल entity संदर्भ और फ़ील्ड विवरणों के साथ प्रत्येक conflict की समीक्षा करता है, फिर एक संरचित निर्णय लेता है।
हर फ्यूज़ किया गया रिकॉर्ड पूर्ण प्रोवेनेंस के साथ आर्बिट्रेशन मेटाडेटा शामिल करता है:
यह मेटाडेटा फ्यूज़ किए गए रिकॉर्ड के साथ संग्रहीत किया जाता है और Excel कॉन्फ्लिक्ट शीट में एक्सपोर्ट किया जाता है, जिससे यह उन कंप्लायंस वर्कफ़्लो के लिए उपयुक्त हो जाता है जहाँ निर्णय की उत्पत्ति मायने रखती है।
वित्तीय ड्यू डिलिजेंस, फार्मास्युटिकल सुरक्षा प्रोफ़ाइल, और अनुपालन स्क्रीनिंग जहाँ त्रुटियों के भौतिक परिणाम होते हैं।
ऐसी entity जिनकी जानकारी विभिन्न स्रोतों में परस्पर विरोधी हो -- फंडिंग राशि, स्थापना तिथियाँ, या नियामक स्थितियाँ जिन्हें अलग-अलग स्रोत अलग-अलग रिपोर्ट करते हैं।
जब किसी एक मॉडल के पास पूर्ण ज्ञान न हो। अलग-अलग LLM अलग-अलग डेटा पर प्रशिक्षित होते हैं, इसलिए कई मॉडल चलाने से खाली जगहें भर जाती हैं।
जब डाउनस्ट्रीम उपभोक्ताओं को केवल अंतिम मानों के बजाय हर डेटा पॉइंट के लिए कॉन्फ़िडेंस स्कोर और प्रोवेनेंस की आवश्यकता हो।
2+ models चुनें, उन्हें समानांतर में चलाएँ, और देखें कि fusion कैसे संघर्ष हल करता है। कोई मासिक प्रतिबद्धता नहीं -- अपनी खुद की API keys लाएँ और प्रति token भुगतान करें।
मुफ़्त में शुरू करें