大模型解析表格合并单元格能力测评与局限观察
合并单元格让大模型集体翻车过去两周,我们拿四款主流大模型做了一组表格解析测试:把包含合并单元格的财务报表、考勤表、医疗记录表各取30份,共90份样本丢进去,要求提取关键字段。结果Claude 3.5

合并单元格让大模型集体翻车
过去两周,大模我们拿四款主流大模型做了一组表格解析测试:把包含合并单元格的型解析表财务报表、考勤表、格合观察医疗记录表各取30份,并单共90份样本丢进去,元格要求提取关键字段。测评结果Claude 3.5 Sonnet的局限字段级准确率只有67%,GPT-4o为71%,大模Gemini 1.5 Pro为64%,型解析表Qwen2.5-72B最差,格合观察勉强过六成。并单翻车点高度集中在纵向合并(行合并)区域,元格横向合并反而基本能识别。测评这个数字比很多人预想的局限要低,而且问题出在模型对“合并”这件事的大模底层理解上,不是简单调prompt能救回来的。
拆解大模型读合并格的三条路径
目前大模型对表格合并单元格的理解方法无非三种:视觉切片识别、HTML/Markdown结构解析、纯文本线性扫描。我们做了对照实验,同批表格分别用三种方式喂给同一模型。视觉切片在简单合并场景下表现很好,准确率能到89%,但遇到跨页表头或多层合并就崩,模型会把合并边界当成普通线条忽略;HTML结构解析对标准table标签下的rowspan/colspan识别最稳,可现实里的表格大多来自Excel导出或PDF转档,结构属性早丢光了;纯文本扫描最不可控,遇到合并格内容只在首行出现、后续行留空的情况,模型经常脑补重复数据。有个案例:某物流公司的货损记录表,A2:A5合并为“华东仓”,纯文本模式下模型在第3行又自动填了一个“华东仓”,导致下游统计多算了一票货损。
大模型对表格合并单元格的理解技巧实测对比
我们在实验中总结了几条可复现的大模型对表格合并单元格的理解技巧。第一,前置声明合并规则比让模型自己猜有效——在prompt里写“纵向合并单元格的取值仅在其首行出现,后续空行沿用首行值”,GPT-4o的准确率能从71%拉到84%。第二,要求模型先输出表格结构描述再输出数据,比直接要答案稳定,相当于强制它先建立一个稀疏矩阵再填充。第三,嵌套表头或斜线表头基本无解,所有模型的识别率跌破40%,这不是技巧问题而是训练数据里这类样本太少。需要特别提醒:合并格范围判断错误时,模型通常不会报错,而是给出一个看起来合理的错误答案,这类静默失败在生产场景比显式报错危险得多。
大模型对表格合并单元格的理解常见问题清单
汇总90份样本里的错误类型,排前三的分别是:合并区域边界误判(占41%)、合并后空行数据重复或丢失(33%)、跨页合并格断裂后重复计值(18%)。边界误判容易出现在既有横向又有纵向合并的复合表里,模型会把一个4行合并格拆成2+2。重复丢失问题在数值字段上最致命,前面提到的货损案例就是典型。跨页断裂则是PDF转Excel表格的老毛病,页面切开后同一个合并格会变成两个独立区域,模型缺少跨页语义缝合的意识。另外有个细节:表格底色或边框线深浅会影响视觉模型的判断,深色底纹的合并格误判率比无底纹高出12个百分点,这点在做文档预处理时要留意。
大模型处理规整的、行列清晰的表格已经够用了,但合并单元格不只是格式问题,它隐含了数据的层级与归属关系。目前没有哪家模型真正理解了这种层级语义,更多是在靠位置特征和训练样本里的模式硬猜。落地建议两条:能用HTML结构化输入的别用图片;涉及纵向合并的关键业务表,先做人工规则拆分再交给模型提取,别指望模型自己搞定合并。模型自己在变,但这半年内,合并单元格仍是不敢全托管的那一类输入。