大模型识别合并单元格的能力边界与测试数据
合并单元格识别:大模型正在被高估的表格能力6月第三周,三家云厂商相继在技术社区更新了表格问答评测集,合并单元格的解析准确率普遍落在61%至74%之间。这个数字与半年前各厂商宣称的“92%以上表格理解能

合并单元格识别:大模型正在被高估的大模表格能力
6月第三周,三家云厂商相继在技术社区更新了表格问答评测集,型识合并单元格的别合并单解析准确率普遍落在61%至74%之间。这个数字与半年前各厂商宣称的元格“92%以上表格理解能力”差距不小。一家头部电商的力边数据团队本周透漏,他们用含合并表头的界测据商品规格表做内部测试,GPT-4o和Claude 3.5 Sonnet在“同源合并识别”上表现尚可,试数一旦碰到跨行跨列混合合并,大模错误率直接翻倍。型识这不是别合并单模型能力倒退,而是元格测试标准终于碰到了真实表格的复杂度。
同源合并容易,力边混合合并几乎失控
大模型对表格合并单元格的界测据理解方法,核心瓶颈不在模型本身,试数而在上下文切分策略。大模一个简单的纵向合并——比如“华东区”跨三行——主流模型用HTML表格输入时基本能还原层级。但横向跨列与纵向跨行在同一张表里交错出现时,问题开始暴露。某物流企业用发运明细表做过对照测试:单列合并识别正确率81%,加入“收货人”跨两列后,正确率跌到55%,再叠加一个跨三行的备注栏,直接掉到37%。错误类型很集中:把合并区域拆成独立单元格后重复填值,或者把合并范围错误地扩展到相邻行列。很多教程强调提示词里写“注意合并单元格”,实测对这类混合场景帮助有限,因为模型的分词注意力在长表格中段会出现明显的区域遗忘。
测试数据才是短板,业内缺乏分层基准
公开的大模型对表格合并单元格的理解教程和评测集,几乎全是人工构造的规则表,合并模式不超过五种。真实业务表里,一份财务报表可能有十七种合并方式,且合并单元格内还存在换行、单位标注、批注符号。某金融科技团队最近开源了一份包含142张真实业务表的测试集,标注了四级难度:仅纵向合并、仅横向合并、单表混合合并、多表跨页合并。结果显示所有参测模型在第四级上的表现都不稳定,同一模型不同温度参数下差异最高达23个百分点。这说明目前所谓的“表格理解能力”更多是运气而非稳定能力。经验分享里常提到的一个技巧——把合并单元格先拆开后用占位符填充再让模型推理——在这类复杂场景下会引入新的幻觉,模型会自行“脑补”出合并关系,反而污染后续计算。
给工程落地的三条可操作建议
如果现阶段要让大模型处理含合并单元格的表格,先别指望模型自己搞定结构识别。可落地的做法是:输入前用规则引擎对合并区域做标注,把合并信息以JSON形式附加在表格文本旁,模型只负责语义理解而非结构还原。第二,评测时用“行级准确率”而非整表准确率,能更早暴露合并区域的系统性错误。第三,对跨行合并超过四行或跨列超过三列的场景,建议人工预处理拆分,暂时不要依赖模型直读。大模型对表格合并单元格的理解注意事项里,最容易被忽视的一条是:模型对合并单元格的置信度往往偏高,错也错得很有自信,这在生产环境里比识别不出更危险。