当前位置:首页>Web3资讯>大模型表格合并单元格识别能力实测观察
Web3资讯

大模型表格合并单元格识别能力实测观察

5月第三周,我们拿了三份带合并单元格的复杂表格去测主流通用大模型,覆盖财务报表、物流运单和课程表三类场景。结果不太好看:GPT-4o、Claude 3.5 Sonnet 和 Gemini 1.5 Pr

来源:发布时间:2026-11-22 05:17:59栏目:Web3资讯浏览:548 次

大模型表格合并单元格识别能力实测观察

5月第三周,大模我们拿了三份带合并单元格的型表复杂表格去测主流通用大模型,覆盖财务报表、格合观察物流运单和课程表三类场景。并单结果不太好看:GPT-4o、元格Claude 3.5 Sonnet 和 Gemini 1.5 Pro 全部出现结构还原错误,识别实测其中财务表的大模多层合并单元格识别准确率只有 62.3%。这不是型表精度问题,是格合观察底层理解逻辑还没跟上。

合并单元格识别准确率只有六成出头

实测用的并单财务表包含 47 个单元格,其中 14 个属于跨行或跨列合并。元格GPT-4o 在“营业成本”与“毛利率”两个纵向合并区把数值错位到了相邻行,识别实测Claude 3.5 则把“合计”行的大模横跨列数少算了一列。三家模型在简单跨列合并上表现尚可,型表遇到跨行跨列嵌套时错误率直线上升。格合观察我们把同一张表转成 HTML 表格代码再输入,准确率提升约 15 个百分点,说明模型对表格结构的理解高度依赖文本序列顺序,而非真正的二维空间感知。

模型在“猜”结构而不是“读”结构

大模型对表格合并单元格的理解方法,本质上还是基于 token 序列的统计推断。它看到“rowspan=2”会预测后续内容属于同一逻辑块,但并不真正追踪行列坐标。物流运单测试中有一处三行合并的收货地址栏,Gemini 把地址拆成了两条独立记录,因为它在序列中遇到了两次换行符。这不是大模型对表格合并单元格的理解技巧能解决的,而是模型缺乏显式的网格坐标编码。我们试过用 Markdown 重写表格,错误反而更多——合并关系丢失后模型完全靠猜。

结构化输入能救一部分,但有限

把表格转为 JSON 再喂给模型,SQL 类查询准确率从 54% 拉到 81%,但描述性问答反而下降。原因是 JSON 里的嵌套层级让模型在生成自然语言时频繁跳层。大模型对表格合并单元格的理解注意事项里,最关键的一条:别让模型自己从 OCR 或 PDF 提取表格。我们拿了三份扫描版报表,提取后的表格结构错误率超过 70%,模型基于错误输入做的后续推理全废。大模型对表格合并单元格的理解经验分享谈不上,教训倒是很一致。

现阶段要想让大模型处理带合并单元格的表格,最稳妥的做法是把表格结构显式化为带行列索引的文本,并保留 rowspan/colspan 标注。纯靠模型“看”表格,风险太大。我们准备下一轮测 Qwen-VL 和 LLaVA 的视觉路径,看直接读图会不会比读代码更强。