AI 前沿
AI 前沿
AI Agent 读 PDF:读完前几页,不等于看懂全文
AI Agent 读取百页 PDF 时,可能把只读前几页当成读懂全文。这篇拆解感知工具设计:先用清单定位内容,再按 offset/limit 分段读取,并明确标注覆盖范围与内容缺口;同时比较图片处理路径,帮助读者设计可续读、可降级的文档工具。
同一主题下的文章、视频与资源。
AI Agent 读取百页 PDF 时,可能把只读前几页当成读懂全文。这篇拆解感知工具设计:先用清单定位内容,再按 offset/limit 分段读取,并明确标注覆盖范围与内容缺口;同时比较图片处理路径,帮助读者设计可续读、可降级的文档工具。
文档 OCR 微调的隐藏浪费:SFT 两轮后错误只剩零星几个 token,损失却仍对全页一视同仁。OPPO 的 SP-DocReader 拿上一轮模型的错位当错题本,只训 0.5B 分支,三轮自博弈把 CER 从 2.40 打到 1.11。