待验证50% 置信观点精确时间

将原始PDF提取出的杂乱文本喂给LLM会浪费上下文窗口并引入幻觉触发点，而干净的Markdown表格和标题层级能提升向量检索准确率。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/13

首次发现

有效期至：2027/1/11

来源

PDF转Markdown为何仍是开发者的噩梦？

涉及实体

LLMmodel RAGconcept Markdownconcept

相关事实

待验证复杂PDF被简单抽取成纯文本后，其内在的层级关系和语义边界会被破坏，影响后续检索准确性73% 相似待验证版式感知（layout-aware）的PDF提取效果明显好于把所有内容拍平成纯文本，尤其在含表格和多栏排版的文档中71% 相似待验证非文本信息（如图像、表格、代码、传感器数据）输入LLM时往往需先序列化为文字描述，造成信息损耗和token浪费69% 相似待验证LLM 生成的文档措辞得体、格式工整，反而可能掩盖其中的错误68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1017649

API

curl https://kongchang.com/api/v1/knowledge/claims/1017649

MCP

get_claim(id=1017649)