intsig

摘要： RAG系统答错表格问题的根源，往往不在检索或生成环节，而在于更上游的PDF解析阶段破坏了表格的字段级归属关系（即数值与表头、单位的从属关联）。当解析器将多层表头（如“收入”下的“Q2”与“成本”下的“Q2”）拍平为孤立文本时，系统便丧失了区分同名列不同含义的能力；同时，单位、币种等元数据也常与表格主体脱钩，跨页长表在切片时更会导致数据块丢失表头。这些结构性缺陷意味着，答案的质量上限在数据入库时已被锁定，后续调优检索策略或提示词均无法弥补，最终使模型自信地给出看似合理实则错误的答案。 阅读全文