مقامی AI کے ساتھ فنانشل آڈٹ

ڈیٹا باہر گئے بغیر دستاویزات کے بڑے ذخیرے کا آڈٹ: کنورژن، گمنامی، لوکل ماڈلز پر RAG تجزیہ

کارپوریٹ گروپ کے فنڈز کے غلط استعمال کا پتا لگانے کا پروجیکٹ: دستاویزات کا ایک ذخیرہ (Markdown میں تقریباً 3.9 GB) لوکلی یا محفوظ سرورز پر پراسیس کیا جاتا ہے۔ کام کے نتیجے میں LLMs اور GPU انفراسٹرکچر کی تحقیق، ایک H200 GPU پر Qwen2.5-72B کے ساتھ حتمی “معیار بمقابلہ وقت” منظرنامہ اور دو سطحی ایسکلیشن (چھوٹا ماڈل مشکوک چیزیں چنتا ہے، بڑا ماڈل تفصیلی تجزیہ کرتا ہے)، لاگت کا تخمینہ اور روڈ میپ تیار ہوئے۔ Markdown میں کنورژن، ذاتی ڈیٹا کی ریورسیبل گمنامی اور Milvus پر RAG تجزیے کے ٹولز بنائے گئے؛ حتمی رپورٹ کے ساتھ آزمائشی تجزیہ کیا گیا۔

کام

یہ طے کرنا کہ پیسہ کہاں، کب اور کیوں خرچ ہوا، خفیہ ڈیٹا بیرونی سروسز کو دیے بغیر۔

اس میں کیا ہے

• PDF، DOCX، XLSX اور دیگر فارمیٹس کی Markdown میں تبدیلی
• ریورسیبل گمنامی (Presidio، spaCy NER، Faker): مکمل نام، ادارے، فون نمبرز، ای میلز، تاریخیں، رقوم، INN، SNILS، OGRN، بینک اکاؤنٹس، کارڈز، IBAN؛ حقیقت پسندانہ متبادل اور پلیس ہولڈر موڈز، تاریخوں کی منتقلی، رقوم کی اسکیلنگ، گمنامی ختم کرنے کے لیے میپنگ ٹیبل
• متعلقہ دستاویزات (معاہدے، انوائسز، ادائیگی کے احکامات، خطوط، تکمیل کے سرٹیفکیٹس) کا RAG تجزیہ اور بے ضابطگی کی شناخت کے قواعد کے ساتھ اینٹیٹیز اور لین دین کا گراف
• بیرونی APIs کے بغیر کام کے لیے air-gapped موڈ؛ Markdown، JSON اور Excel میں رپورٹس

مشینی ترجمہ — پروف ریڈنگ جاری ہے۔