当前位置:首页>AI新闻>大模型解析合并单元格能力实测与常见误区
AI新闻

大模型解析合并单元格能力实测与常见误区

7B模型翻车率超六成,合并还原成重灾区2025年一季度多家机构对主流大模型进行表格解析评测,样本覆盖沪深交易所年报、招股书中的合并单元格表格。结果显示参数规模低于13B的开源模型在“跨行合并还原”任务

来源:发布时间:2026-11-22 05:18:00栏目:AI新闻浏览:120 次

大模型解析合并单元格能力实测与常见误区

7B模型翻车率超六成,大模合并还原成重灾区

2025年一季度多家机构对主流大模型进行表格解析评测,型解析合样本覆盖沪深交易所年报、并单招股书中的元格合并单元格表格。结果显示参数规模低于13B的实测开源模型在“跨行合并还原”任务上平均失败率达到61.3%,部分模型把“三年营收合计”一格拆成三行重复数值。误区表现很好的大模某旗舰闭源模型错误率也有14.8%。这不是型解析合个别模型能力波动,而是并单当前架构对表格空间语义的理解存在结构性问题。

视觉编码不等于结构理解

大模型对表格合并单元格的元格理解方法主要分两类:转文本流水账、转HTML或Markdown结构。实测前者把合并格内容平铺到每个被合并行,误区看似信息保留,大模实则在数值汇总、型解析合同比计算时制造重复计数。并单后者依赖视觉编码器输出坐标,但7B级模型常把纵向合并的“colspan/rowspan”边界搞混。上个月我们用214张含合并单元格的财务表测试,转HTML后抽查询问“2024年管理费用占总费用比例”,有23%的回答把合并格数值重复加总。问题不在于模型读不懂文字,而在于它对“一格占多行”这个空间约束无法稳定建模。大模型对表格合并单元格的理解技巧中,给每个单元格补充显式的格坐标与对应行号,比单纯转HTML更有效,但这又加重了上下文负担。

数据训练偏好暴露结构性偏科

当前表格理解数据集中,规范矩阵表占比过高,合并单元格样本集中在简单跨两列的场景。某头部开源模型训练语料里,跨三行以上的纵向合并表格占比不足2%。这导致模型遇到“母子公司关系表”里母公司一格跨七个子公司明细行时,难以建立从属对应。大模型对表格合并单元格的理解注意事项中,最容易被忽视的是:模型经常把合并格当成“值为空但格式连续”来处理,而不是一个逻辑单元。实测某13B模型对同一张表,去掉合并线改成重复值,回答准确率反而提升18个点。这说明它记住的是文本分布,不是表格结构。

本地部署场景的实用判据

如果你的业务要用大模型解析合并单元格,别只看榜单总分。大模型对表格合并单元格的理解经验分享中有一条硬指标:单独抽“合并格相关问答”做子集测试,总分90分的模型这一项可能不到60。选型时建议拿三类样本试:跨行纵向合并、混合行列合并、合并格内含多重指标。预算有限的团队,轻量模型配合规则预处理把合并格拆成带坐标的JSON,比直接喂图更稳。大模型对表格合并单元格的理解常见问题集中在“看起来能读出来,一算就错”,这个坑在年报数据抽取里已经造成过实际偏差——某量化团队用7B模型抽合并利润表,归母净利润连续两个季度被重复计算了少数股东损溢。

到今年三季度为止,还没有哪家模型能在不增加外部结构信息的情况下,稳定处理任意形态的合并表。短期务实方案是:承认它读不全,前端先拆,模型后算。