arXiv cs.CL·· 2 天前AI 评分58
研究揭示企业文档解析中的格式线索丢失问题
What the Author Wrote, What the Agent Reads: Silent Cue Loss in Enterprise Document Ingestion
AI 导读
一项基于76份真实政策文档的研究发现，主流文档转换工具在将Word或PDF转为模型输入时会丢失作者通过高亮和颜色编码的含义，格式盲解析使微F1从0.690降至0.150（docling）和0.075（纯文本），该差距在Claude Opus、Sonnet、Haiku及GPT-5.6等六个模型上复现。
来源：arXiv cs.CL · arxiv.org