当前位置:首页>AI新闻>大模型识别表格合并单元格的准确率实测
AI新闻

大模型识别表格合并单元格的准确率实测

旧表分栏识别翻车率超四成6月第三周,我们对四款主流多模态大模型做了一轮针对性压测:把1200张含合并单元格的表格截图混在常规表格里丢进去,要求模型还原为可编辑结构。结果不乐观——横向合并的识别准确率中

来源:发布时间:2026-11-22 05:18:08栏目:AI新闻浏览:679 次

大模型识别表格合并单元格的准确率实测

旧表分栏识别翻车率超四成

6月第三周,大模的准我们对四款主流多模态大模型做了一轮针对性压测:把1200张含合并单元格的型识表格截图混在常规表格里丢进去,要求模型还原为可编辑结构。别表并单结果不乐观——横向合并的格合识别准确率中位数只有71%,纵向合并为64%,元格同时存在横纵交叉合并时直接掉到43%。确率某头部模型在识别“立项审批表”里跨三行的实测“审批意见”栏时,连续20个样本中15次把合并区域拆成独立单元格,大模的准输出后数据全部错位。型识

为什么合并单元格是别表并单模型软肋

问题不出在视觉编码,而是格合结构化推理层的先验太强。多数模型默认“表头—数据行”的元格规整矩阵,遇到不规则跨行跨列时,确率注意力机制容易把合并边界当成噪声。实测我们用同一批数据测试了纯文本输入(Markdown或HTML格式的大模的准含合并表格),错误率能降到18%以下;换成截图,错误率飙升。差异在于图像路径没有明确的分隔符提示,模型需要从视觉空隙和文字位置反向推断合并范围,这一步对token预算和空间坐标对齐的要求远超普通表格识别。

数据标注方式直接影响最终效果

测了一圈下来,有个规律非常稳定:训练数据里合并单元格的表征方式决定了模型的上限。把合并区域标注为“跨行/跨列属性+占位符”的模型,对纵向合并的理解明显更好;而只标注视觉框的模型,遇到空合并区域(合并后只有首格有字、其余为空白)时几乎必错。一个典型案例是物流单的“收货人信息”栏,横向合并四格但只填一个姓名,四款模型中有三款将其识别为四个独立单元格,只有一款尝试保留合并关系,还是因为该模型预训练数据里高频出现物流表单。大模型对表格合并单元格的理解注意事项里,训练数据分布比模型参数量更值得关注。

复杂表头下的小样本表现差异大

财务、医疗和工程领域常见的三级表头是重灾区。我们挑了80张含斜线表头和多层合并的检验报告单做few-shot测试,给每种模型5个带标注示例后再识别剩余75张。结果很好的模型准确率从零样本的31%提升到67%,最差的只从19%升到26%。提升明显的模型有个共同点:示例中出现过交叉合并样本,模型能借此修正对“合并格内文字与合并边界关系”的判断。没见过的交叉模式依旧难救,即便给了5个例子,只要示例里没覆盖“纵向跨越两行且横向跨两列同时存在”的组合,输出结果依然会丢掉其中一条合并链路。

这轮实测给使用者的经验很清楚:如果你手头的表格含合并单元格,别指望模型直接吃截图就能还原出干净结构。成本最低的路径是先用OCR或手工转成带合并标记的HTML/Markdown再喂给模型,或者准备好2-3张同类型含合并的标注样本做小样本激活。对模型产出的合并结果必须做一次行列数校验,数量对不上的直接返工。目前没有哪家模型能在无示例、纯截图条件下稳定识别交叉合并,这个短板在未来六个月大概率还会存在。