🚨 复杂表格如何击败即使是先进的企业聊天机器人

🎯 企业关键数据通常存储在表格中：价格和费率、产品规格、报告等。

🔍我们最近的比较揭示了意想不到的结果：

流行的开源解决方案通常在复杂的表格上表现糟糕。

- 流行的Llama解析器API未对齐关键数据

• 即使是Adobe的PDF Extract API（最低承诺金额为25K美元）也无法处理合并单元格

1. 第一个例子：一个具有水平合并单元格的表格.

在下面的屏幕截图中（图1），第一行中的表格有两个合并的列名，分别是“截至12月31日的三个月”和“截至12月31日的一年”。

1.1. Adobe解析器

如果我们使用Adobe解析器，生成的表格将包含两个额外的空列名，应分别标记为“截至12月31日为止的三个月”和“截至12月31日为止的年度”（图2）。

1.2. 牧羊驼解析器

Llama解析器通过将“截至12月31日年度”列向左移动并将最后两列名称留空来搞乱了列顺序（图4）。

1.3. 自定义Varex解析器

与以前的解析器相反，我们的解析器通过复制合并单元格的列名，正确排列了列名顺序（图4）：

1.4. 通过LLM响应的解析器比较

如表1所示，LLM只有在给出AssistMe解析器的输出时才能生成正确响应。对于Adobe和Llama解析器，它无法找到答案，可能是因为Adobe的输出缺少列名，Llama的列顺序错误。

2. 第二个例子：一个带有垂直合并单元格的表格。

让我们来看一下表格，第一列有多个部分，每个部分描述了特定的设备特征。一些部分，比如“规格”，“I/O”和“电池”占据了多行（图5）。

2.1. Adobe分析器

与第一个例子类似，Adobe解析器在跨越多行（单元格）的部分上遇到了困难，在第一列中留下了大量空值（图6）。

2.2. 骆驼解析器

在使用Llama解析器后，表格中包含节名称的第一列已被完全移除（图7）。

2.3. 自定义Varex解析器

Azure 解析器通过在空单元格的位置复制章节名称来解决 Adobe 解析器的问题（图8）。

2.4. 通过LLM响应进行解析器比较

下表2比较了基于LLM（GPT-4o）响应正确性的考虑的解析器的结果，与与第2张表相关的问题有关。

正如您在表2中所看到的，第一栏中缺失的数值导致LLM在使用Adobe和Llama解析器的输出时生成了不完整的回答。相比之下，LLM在使用AssistMe解析器时产生了准确的答案，成功捕捉了所有列值。

总的来说，Adobe和Llama解析器在具有合并单元格的表格上表现不佳，因为它们未能复制数值，导致LLM应答不完整或不正确，因为缺少数值或列对齐不准确。另一方面，Varex解析器通过分割和复制数值有效地处理了合并单元格，使LLM能够生成更准确的答案。

💥 表格解析不佳的影响:

- 错误的定价/规格让客户感到沮丧

合规风险

品牌损害

• AI信任受损

您可以免费尝试Varex解析器：[https://cloud.assistme.chat/]