Thomson Reuters представил корпоративную модель Imago: новый подход к имго‑кодингу
Thomson Reuters запустила собственную LLM Imago, ориентированную на бизнес‑приложения и заменяющую LoRA‑адаптеры имго‑кодингом.
Что произошло?
В рамках внутреннего R&D Thomson Reuters объявила о запуске своей крупномасштабной языковой модели Imago. По словам команды разработки, Imago предназначена для автоматизации процессов, связанных с обработкой юридических и финансовых документов, а также для генерации кода, который интегрируется в их аналитические платформы.
Ключевые факты
- Размер модели: 13 Б параметров, обучена на более чем 200 млн токенов из корпоративных архивов, публичных юридических баз и финансовых отчётов.
- Imago‑кодинг – новый подход, при котором модель принимает изображения (сканированные документы, графики) и генерирует соответствующий код (SQL‑запросы, Python‑скрипты) без необходимости отдельного дообучения.
- Замена LoRA‑адаптеров: вместо традиционных LoRA‑адаптеров, Imago использует встроенный имго‑модуль, что уменьшает время внедрения новых функций с недель до часов.
- API и доступ: модель доступна через закрытый REST‑API внутри корпоративной сети и планируется к публикации в виде открытого пакета на HuggingFace в начале 2027 года.
- Безопасность: все данные проходят строгий процесс анонимизации, а модель проходит регулярный аудит на предмет утечки конфиденциальной информации.
Почему это важно?
Imago демонстрирует, как крупные компании могут создавать собственные LLM, адаптированные под специфические задачи, без постоянного применения LoRA‑адаптеров. Это ускоряет цикл разработки, снижает затраты на инфраструктуру и повышает уровень контроля над данными.
Ссылка на оригинал: Habr ML – Имаго для больших компаний
Для разработчиков и студентов это сигнал, что имго‑кодинг может стать более практичным альтернативным способом дообучения моделей в корпоративных проектах. Стоит обратить внимание на методики подготовки данных из изображений и возможности интеграции Imago‑подобных решений в свои пайплайны.
