当前位置:首页>科技新闻>大模型识别合并单元格表格的准确率如何
科技新闻

大模型识别合并单元格表格的准确率如何

过去两周,多家云厂商密集更新了文档解析接口的基准分,其中“合并单元格表格识别准确率”成为被反复拿来对比的指标。某头部平台在 4 月中旬的发布会上称,其新版多模态模型对含合并单元格的复杂表格识别准确率达

来源:发布时间:2026-11-22 05:18:52栏目:科技新闻浏览:673 次

大模型识别合并单元格表格的准确率如何

过去两周,大模的准多家云厂商密集更新了文档解析接口的型识基准分,其中“合并单元格表格识别准确率”成为被反复拿来对比的别合并单表格指标。某头部平台在 4 月中旬的元格发布会上称,其新版多模态模型对含合并单元格的确率复杂表格识别准确率达到 91.7%,比半年前提升了约 14 个百分点。大模的准但落到真实业务环境里,型识这个数字远没有看起来那么乐观。别合并单表格

评测集里的元格高分掩盖不了结构性失分

多数厂商公布的成绩来自结构化评测集,表格边框清晰、确率合并方向规整、大模的准单元格内文本不超过一行。型识这类场景下,别合并单表格主流大模型能较稳地还原出行列跨度。元格问题出在真实扫描件和系统导出的确率畸形表格:合并区域横跨多级表头、同一单元格内换行与缩进代表不同层级、合并后残留的空白行干扰模型判断。有团队拿 200 份真实投标文件测试,标准表格识别准确率可达 89%,一旦合并单元格数量超过 5 个且分布不规则,准确率骤降至 61%——主要错误不是漏识别,而是把合并关系判错,导致后续数据抽取整列错位。

上下文长度是隐性天花板

大模型对表格合并单元格的理解方法里,最关键也最容易被忽视的是上下文窗口分配。表格转为文本序列后,合并单元格的语义依赖距离和行列对齐信息会被拉长。一张 12 列、30 行的表格,转成 token 后约 3000 到 4500 词元,跨行合并的单元格首尾 token 可能相隔数百个位置。模型需要在长距离依赖中记住“这一格从第 2 行跨到第 7 行”,一旦表格过长或相邻信息干扰,就出现“合并起始行正确、结束行提前截断”的典型错误。实测中,同样一张表在 8K 窗口与 32K 窗口下,准确率可相差 18%,但成本与延迟也成倍上升。

后处理规则仍比模型本身更可靠

目前工程上更稳妥的做法,不是指望大模型一次输出正确 JSON,而是把合并关系判定交给预处理。很多大模型对表格合并单元格的理解技巧,其实是先用 OpenCV 或规则引擎检测横向/纵向合并线,生成带有合并标记的 HTML 或 Markdown 骨架,再让大模型只做单元格内容填充与语义归纳。某财税 SaaS 团队分享的经验是,单纯靠模型识别合并单元格并在一次生成中输出全表结构,抽取出错率为 13.6%;加入线框检测和合并标记模板后,出错率降到 3.2%。代价是多一步人工配置规则,且对无边框表格几乎失效。

结论不难下:在干净、受过训练的评测数据上,大模型的合并单元格识别已经接近可用;但在真实混杂文档里,别把结构识别的责任全交给模型。把合并关系判断前置、让模型专注内容理解与抽取,是当前投入产出比最高的路径。那些宣称端到端解决表格识别的方案,很好先拿 50 份你自己业务里最脏的文件跑一遍离线批处理,再决定要不要接到生产环境去。