文档人工智能（Document AI，简称 DAI）已成为一个至关重要的应用领域，而大语言模型（Large Language Models，简称 LLMs）的兴起正在深刻地重塑这一领域。早期方法主要依赖于编码器–解码器（encoder-decoder）架构，而如今仅使用解码器的 LLM 模型在文档智能中引发了革命性变革，显著推动了文档理解与生成能力的提升。

本文对 DAI 的发展历程进行了全面梳理，重点总结了当前研究进展以及 LLM 在该领域的未来前景。我们系统探讨了多模态（multimodal）、多语言（multilingual）以及检索增强（retrieval-augmented）等方向中的关键突破与挑战，同时提出了若干未来研究方向，包括基于智能体（agent-based）的方法和面向文档的专用基础模型（document-specific foundation models）。

本文旨在对 DAI 的最新研究现状及其在学术与实际应用中的潜在影响进行结构化分析，为后续研究提供系统参考。

1 引言

文档作为信息传递的重要载体，呈现出多样的格式形式，在科研与工业领域均扮演着关键角色（Stage and Manning, 2003）。文档人工智能（Document AI，简称 DAI） 综合利用自然语言处理（NLP）与计算机视觉（CV）技术，以实现文档相关任务的自动化，主要可分为两大类：文档理解（understanding）（Pfitzmann et al., 2022; Mathew et al., 2021）与文档生成（generation）（Wiseman et al., 2017; Zhang et al., 2018）。然而，传统的基于规则方法（rule-based）（Bourgeois et al., 1992）与基于学习方法（learning-based）（Marinai et al., 2005）通常成本高昂且耗时费力，这促使研究者转向语言模型，以期获得更高效、可扩展的解决方案。

在众多模型中，仅编码器（encoder-only）模型（Hong et al., 2022; Huang et al., 2022; Luo et al., 2023）常用于捕捉细粒度、文档特定的信息；而编码器–解码器（encoder-decoder）架构在处理具有可变长度和多模态输入输出的生成任务上表现突出（Tanaka et al., 2021; Tang et al., 2023），但其性能仍受限于训练数据的质量与规模。

近年来，仅解码器（decoder-only）大语言模型（LLMs） 的突破推动了面向文档任务的 LLM 研究。这些模型基于多样化的多模态数据进行训练，涵盖图像分割（Hu et al., 2024a）、版面布局（Wang et al., 2024a; Luo et al., 2024）以及几何信息（Lamott et al., 2024）等任务，在文档理解与生成方面均展现出显著性能提升。

尽管取得了显著进展，LLMs 在准确解释文档内容方面仍存在挑战（Liu et al., 2024a）。许多模型仍依赖光学字符识别（OCR）引擎，或忽略文档中丰富的文本语义信息，从而阻碍了跨多种文档模态学习统一表示的能力。此外，多语言性与语言多样性（Joshi et al., 2020）仍是普遍难题：数据稀缺及高质量训练语料不足限制了多语言 LLM 的表现。虽然已有研究探索了**跨语言泛化（cross-lingual generalization）**在等价翻译任务中的有效性（Zhang et al., 2023），但 DAI 往往需要更复杂的上下文信息，如文档结构与语言特定知识（Zhao et al., 2024c; Xing et al., 2024），这进一步限制了 LLM 在多语言文档处理中的性能。

LLMs 在 DAI 领域的发展与应用，已成为当前的核心研究方向。实现多语言与多模态能力是模型应对多样化真实场景的关键（Xu et al., 2024b; Zhu et al., 2024b）。近期的研究致力于融合多语言性与多模态性，以增强统一文档表示学习（unified document representation learning），从而提升 LLM 的通用性与鲁棒性（Hu et al., 2024a）。

鉴于基于 LLM 的 DAI 的快速发展，亟需对其在文档处理方面的能力进行系统性梳理。为此，本文综述了当前最先进（SoTA）的多语言与多模态 LLM 的最新进展，重点分析了它们在 DAI 中的表现、所面临的挑战及未来发展方向。

在这篇深入的综述中，我们系统地将基于 LLM 的 DAI 相关研究划分为五大核心任务。本文的主要贡献包括：

• （1） 在第 2 节中，详细介绍了文档智能的定义与发展历程，并概述了相关的评测基准（benchmarks）；
• （2） 在第 3 节中，全面回顾了 LLM 多模态能力的集成进展，重点分析其在多样化 DAI 应用中的效果；
• （3） 在第 4 节与第 5 节中，系统分析了多语言能力与检索增强（retrieval-augmented）范式的最新发展，探讨它们在提升**上下文感知文档智能（context-aware document intelligence）**中的作用；
• （4） 最后，总结了构建高可靠性文档专用基础模型（document-specific foundation models）所面临的关键技术挑战，并提出了面向未来的可行研究方向，为 DAI 的持续发展提供参考。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

适合人群

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路

一对一学习规划，职业生涯指导

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】