大模型识别合并单元格的准确率为何波动明显
某研究院实测:三款主流模型准确率相差近四成过去两周,多家技术团队在内部评测中发现一个蹊跷现象:同一个合并单元格的简单表格,交给不同大模型读取,GPT-4o 的识别准确率在 82% 到 94% 之间反复

某研究院实测:三款主流模型准确率相差近四成
过去两周,大模的准多家技术团队在内部评测中发现一个蹊跷现象:同一个合并单元格的型识简单表格,交给不同大模型读取,别合并单波动GPT-4o 的元格识别准确率在 82% 到 94% 之间反复横跳,Claude 3.5 Sonnet 一度跌到 61%,确率而开源的为何 Qwen2-VL-72B 在某些样本上甚至不足五成。波动幅度之大,明显远超文本问答场景。大模的准这不是型识哪个模型“坏掉了”,而是别合并单波动合并单元格的信息编码方式在视觉与文本两条通道里存在天然冲突。
框线消失时,元格空间推理就失效了
合并单元格的确率本质是视觉分组。人类看表格,为何一眼能辨认“上半年”横跨三列、明显“华东区”纵贯五行,大模的准靠的是网格线、背景色和文字位置共同构建的空间结构。但大模型对表格合并单元格的理解方法里,视觉模型先要把截图转成像素信号,再推断哪些区域属于同一逻辑单元。这个推断过程对渲染细节极度敏感:Excel 导出 PNG 时线条粗细从 1px 变成 1.5px,或者合并区域加了浅灰底纹,都可能让模型把一组单元格拆成两个独立项。有团队拿同一份表格分别用系统截屏和 WPS 导图测试,结果相差 17 个百分点。
文本序列化丢失了跨度信息
走文本通道的模型更麻烦。HTML 表格里,合并单元格用 rowspan 和 colspan 表示,模型要理解“这个 td 占了第二行到第四行”意味着后面几行对应列的位置是空缺的。但 token 化之后,所有标签按顺序排开,跨度的空间含义被拉平成前后关系。有人做过对照实验:把`
训练数据里的“干净表格”太少
真实业务表格很少有规整的合并逻辑。财务对账表会把“合计”行同时做横向与纵向合并,项目进度表里合并区域还嵌套着斜线表头。而公开训练集里的表格大多从论文、Wikipedia 抓取,合并单元格比例低、结构简单。某大厂数据团队统计过内部 3 万张标注表格,合并单元格占比 41%,但模型训练时见过的类似样本不到 6%。这就解释了为什么同一模型在不同评测集上波动明显:评测集越接近真实脏表格,准确率下滑越快。大模型对表格合并单元格的理解经验分享 里一个共识是,用模型读带合并单元格的表格前,很好先做“去合并预处理”——拆开单元格并用重复值填充,很多下游任务反而更稳。
指望模型自己把合并语义吃透,短期内不现实。更务实的做法是针对特定表格类型做小样本微调,或者在外层加一层规则校验:模型输出的结构先跟原始合并区域做比对,不一致就重新采样。大模型对表格合并单元格的理解技巧 说到底就一条:别拿它当电子表格软件用,把它当一个会看走眼的实习生,关键数字自己核一遍。
下一篇:链上投票快照区块委托变动如何应对
相关文章
发现更多- 美股信托服务企业托管资产规模与收费如何关联2026-11-22 05:16
- 美股碎股交易如何撮合成交?解析券商执行路径与流动性来源2026-11-22 05:05
- 以太坊合约地址如何通过创建者与Nonce算出2026-11-22 04:20
- AI光流估计如何应对运动遮挡难题?实测数据背后2026-11-22 04:15
- Cosmos治理提案存款阶段如何运作2026-11-22 04:07
- 美股停牌时挂单会不会成交?规则与处理方式拆解2026-11-22 03:50
- 大模型微调早停判据的三种实测方案对比2026-11-22 03:25
- 多签钱包签名顺序如何验证:链上规则与常见机制解析2026-11-22 03:16
- Cosmos治理提案存款阶段如何运作2026-11-22 02:56
- 非晶合金精密成形技术难点与工艺路径解析2026-11-22 02:39