Jerry Liu:表格解析的难点是分清哪些错误才致命
LlamaIndex 的 Jerry Liu 认为,文档解析里复杂表格最难,而且很难定义「好」。他按对下游工作的影响给错误分级:markdown 和 html 标签的格式差异无害;表头被当成数据行大概也无害;把数字的正负号弄反则严重得多,尤其在财报里。他说现有确定性指标很难量化这种差别,节选在列举几个基准处截断。
Jerry Liu@jerryjliu0原帖
为什么值得留
在挑文档解析工具的人,可以按「错误的后果」而不是总分来评估。
可以从这里开始
拿一份你自己的财务或数据表格 PDF,让候选工具各解析一次,只核对数字和正负号,不看格式。
阅读时留意
作者自己做解析产品,有立场;节选在评价现有基准的地方截断,他提出的替代办法没看到。同一时段他还在回应外界对其评测的批评。
OnBalls 导读整理于 2026.11.15。只读收件箱保存的帖子节选(在基准名单处截断);未读后续内容。