A análise dos S-1 filings é um desafio devido à sua estrutura inconsistente e conteúdo variado, mas contém informações valiosas. O estudo avaliou como diferentes abordagens de LLMs (Gemini 2.0 e Agentic RAG) conseguem extrair dados relevantes desses documentos densos e complexos.

O estudo focou em comparar a *completude da extração*, *custo* e *latência* dos métodos, usando uma amostra de 1.200 S-1 filings de empresas de tecnologia. Os resultados mostraram que, em geral, o método Agentic RAG foi mais eficaz e econômico, exceto na extração de campos que requerem uma compreensão mais abrangente do documento, onde Gemini 2.0 teve desempenho superior.

Os autores também discutem os *desafios de extração* enfrentados devido à extensão e à mescla de texto estruturado e não estruturado nos S-1 filings. A metodologia incluía o uso de prompts para direcionar a extração das informações relevantes.

1. Agentic RAG foi mais econômico ($0.0077 por empresa) em comparação com Gemini 2.0 ($0.20).

2. Agentic RAG demonstrou melhor desempenho em extração de informações, exceto na identificação de categorias.

3. O uso de LLMs com grandes janelas de contexto, como Gemini 2.0, é eficaz para campos que exigem um entendimento mais amplo.

4. A latência para o método RAG foi maior, embora a extração de informações tenha sido mais rápida.

5. Ambos os métodos têm seus próprios conjuntos de desafios e vantagens.

O estudo conclui que uma abordagem híbrida é ideal, usando Gemini 2.0 para campos mais desafiadores e Agentic RAG para a maioria das extrações. A configuração de RAG poderia ser otimizada ainda mais para melhorar a completude da extração.

A análise realizada oferece insights valiosos para profissionais que buscam melhorar a extração de informações de documentos financeiros complexos. A chamada à ação é clara: para um aprofundamento no uso de plataformas de RAG, os interessados podem explorar a Unstructured Platform, onde podem aproveitar uma *teste gratuito de 14 dias*. Para mais conteúdos atualizados diariamente, assine nossa newsletter.

FONTES:

1. X, Twitter

2. Unstructured Blog

3. Unstructured Platform

4. Astra DB

5. Hugging Face