Bối cảnh
Xử lý hóa đơn tiếng Việt từ trước đến nay vẫn luôn là bài toán đau đầu với các kỹ sư thị giác máy tính và xử lý ngôn ngữ tự nhiên. Sự đa dạng về định dạng, cấu trúc bảng thay đổi liên tục, và đặc biệt là chất lượng ảnh chụp thiếu sáng từ thiết bị di động thực tế khiến các phương pháp dựa trên rule-based hay OCR truyền thống dễ dàng thất bại.
Sự ra đời của LLMs với khả năng hiểu ngữ cảnh siêu việt đã mở ra hướng đi mới. Tuy nhiên, hiệu năng thực tế của các mô hình này khi chạy tại biên hoặc đám mây đối với hóa đơn tiếng Việt vẫn cần được đo lường cụ thể.
“Việc chuyển dịch từ pipeline OCR cổ điển sang mô hình Multimodal LLM end-to-end giúp chúng tôi giảm tỷ lệ lỗi trường thông tin xuống dưới 0.8% trên tập dữ liệu thử nghiệm hành chính công.”