Структурированный вывод
Заставить модель выдавать JSON по заданной схеме
Полный текст статьи представлен на английском; заголовок и аннотация локализованы.
ЧТО ЭТО ЗА ВОЗМОЖНОСТЬ
Takes natural language plus a target structure — field names, types, required flags — and outputs text that strictly conforms, such as JSON, XML or a table. Unlike information extraction the structure is supplied by the caller rather than inferred from the text; unlike tool use it produces the data itself, not a request to invoke some interface.
Как это устроено
The basic approach puts the schema and examples in the prompt and asks the model to fill them; more reliable is constrained decoding, which at each step allows only tokens that keep the structure valid, ruling out syntax errors during generation. Fine-tuning on many text-to-structure pairs familiarises the model with common field naming and type conventions. Large schemas can be split across several calls or filled in layers.
Примеры продуктов
5GPT-4o
2024Универсальная модель с нативной мультимодальностью: текст, изображение и звук через один вход
Claude
2023Универсальная диалоговая модель, известная длинным контекстом и выравниванием по безопасности
Gemini
2023Универсальная модель с нативной мультимодальностью, рассчитанная на очень длинный контекст
Qwen
2023Семейство с открытыми весами, охватывающее разные размеры и мультимодальные версии
Hunyuan
2023Семейство универсальных моделей Tencent с открытыми весами
Связанные организации
Типичное применение
- Converting natural language into API payloads
- Auto-filling forms and order fields
- Data cleaning and normalisation pipelines
- Passing structured messages between agents
Как её оценивают
- Schema validity rate
- Share of outputs that parse and satisfy the schema
- Field exact match
- Share of field values matching the reference
- Value-level F1
- Scores elements in lists and nested structures
Границы и трудности
- With many fields or long enums it drops fields, picks the wrong value or invents new ones
- Deep nesting and complex types such as unions or nullable arrays produce type errors
- Tight format constraints squeeze reasoning, and the same model reasons less well under them
Концепции в основе
Промптинг и выравнивание
Сделать модель полезной, честной и безопасной труднее, чем просто увеличить её
Архитектура Transformer
Замена эстафеты по одному слову залом, где все говорят сразу, — и дальние зависимости оказываются в одном шаге
Агенты и использование инструментов
Пусть модель не только отвечает, но и ищет, вызывает API, запускает код — и выбирает следующий шаг по полученному результату