研究:企业文档解析丢失高亮与文字颜色,智能体难以识别重点要求
一项针对 6462 份政策文档的研究发现,常用文档转换工具会丢弃高亮和文字颜色,导致 AI 智能体无法识别作者标注的重点要求。在 84 份文档、332 条标记要求和 4192 条未标记要求的测试中,保留格式的解析方案 F1 为 0.690,Docling 为 0.150,纯文本仅 0.075,未标记要求被误选的比例分别为 1.1% 和 4.3%。作者建议在转换时保留原始高亮与颜色并附加含义标签,代价是 token 消耗约为纯文本的两倍。
#论文/研究#Agent#数据/训练
