什雷娅·尚卡尔

什雷娅·尚卡尔正为分析人员提供一种方法，将冗长、杂乱的文档转化为可检查的工作流，从而在AI给出的答案投入使用前，对其加以引导、评估和纠正。她的工作把数据库领域的严谨方法引入原本由不透明提示词序列构成的系统。全球许多影响重大的数据并非以整齐的行列形式出现，而是存在于警方记录、案件卷宗、政策文件、科学报告和客服档案中——这些材料过于冗长且格式不一，无法用单个模型提示词处理。什雷娅·尚卡尔并未将其视为提示词使用上的不便，而是作为数据系统问题来解决。她在加州大学伯克利分校攻读博士期间以第一作者身份牵头开发DocETL；该工具让用户以自然语言描述文档处理流水线，再利用受约束的智能体重写、拆解、测试和优化流水线，以兼顾准确性与成本。2025年一项经同行评审的研究评估了四项真实场景中的文档任务，报告称其准确率较强基准模型提高21%至80%。该软件为开源项目；截至2026年7月，其公开代码库获得约3,900颗星，仍在持续发布新版本。