热点事件观察中
研究揭示企业文档解析中的格式线索丢失问题
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年10月21日，arXiv cs.CL 发布一项基于76份真实政策文档的研究，指出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。研究称，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。目前该研究以预印本形式公开，尚无后续进展报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 00:00
研究称格式盲解析使微F1从0.690降至0.150（docling）和0.075（纯文本）。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.CL研究揭示企业文档解析中的格式线索丢失问题
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。