Vì sao nó làm hỏng bảng trong file PDF của tôi?
Bảng PDF bị làm hỏng: PDF lưu một bảng thành các mẩu chữ đặt ở từng chỗ trên trang, cộng thêm các đường kẻ, không có gì cho biết một mẩu thuộc hàng hay cột nào; khi rút ra thành chữ, các mẩu đến theo thứ tự file đã ghi, ô trống không để lại dấu vết, ô gộp và bảng kéo sang trang sau làm lệch phần còn lại, và chatbot phải đoán lại lưới; hãy gửi ảnh chụp màn hình của bảng cho mô hình đọc được ảnh, dán bản xuất CSV hoặc Excel, và kiểm vài ô của bảng nó trả lại · Cơ bản · 5 phút · format, rag · học sau Chunking: kích thước chunk, phần chồng lấn và chỗ cắt trong RAG
Chatbot làm hỏng bảng PDF vì PDF lưu các mẩu chữ ở từng chỗ trên trang, không lưu hàng và cột. Rút ra thành chữ thì lưới mất, và mô hình phải đoán lại. Ảnh chụp màn hình và CSV giữ được lưới.
1 Đoán trước
2 Xem
A table in a PDF, and what a chatbot gets from it
1 / 6The page
Region Q1 Q2 North 120 135 South empty 110 West 87 94 a test PDF we made (illustrative table); positions as written in the file
A small table in a PDF, as you see it. South has no Q1 number: that cell is empty.
File chỉ giữ chữ ở từng chỗ. Rút ra thành chữ, ô trống không để lại dấu vết, và 110 trượt sang sai cột.
Nhiều ứng dụng chat rút chữ ra khỏi PDF trước khi mô hình thấy nó. Mô hình khi đó đọc token, những mẩu chữ nhỏ, mà lưới đã mất. Ô trống không để lại dấu vết, ô gộp chỉ xuất hiện một lần cho nhiều hàng, còn bảng bị chia qua hai trang thì có số trang chen vào giữa.
4 Bạn là model
Bạn là chatbot được nhờ dựng lại bảng, và bạn chỉ có những gì ứng dụng đưa cho. Ba lần, hãy nói South được bao nhiêu ở Q1.
Round 1 of 3. Text from the column-order file
Region North South West Q1 120 87 Q2 135 110 94
Rebuild the table: what did South score in Q1?
texts: pypdf output from our test PDFs; picture: the same table
You are the chatbot. Say what South scored in Q1.5 Kiểm tra
Bảng vẫn khó ngay cả khi mô hình đọc trang dưới dạng ảnh. Trên OmniDocBench (2025), 981 trang thật, điểm 100 nghĩa là bảng dựng lại hoàn hảo: công cụ tốt nhất đạt 78,6 với bảng tiếng Anh, GPT-4o đạt 72,0. Ô gộp kéo GPT-4o từ 64,7 xuống 56,8.
Ba thói quen giúp ích. Gửi ảnh chụp màn hình, một bức ảnh chỉ có cái bảng, cho mô hình đọc được ảnh, để nó thấy lưới. Nếu bạn có file gốc, hãy xuất bảng ra CSV hoặc Excel rồi dán vào. Xin nó trả lại bảng trước, và đối chiếu ba bốn ô với PDF trước khi tin một con số tổng.
8 Nói lại bằng lời bạn
9 Nhiệm vụ · 5 phút
Mở một file PDF có bảng (sao kê ngân hàng, lịch trình, báo cáo), bôi chọn bảng và sao chép chữ của nó. Trong Google AI Studio (miễn phí), chọn Gemini 3.8 Flash, dán vào và hỏi “Rebuild this as a table.” (Dựng lại thành một bảng.) Đối chiếu ba ô với PDF. Rồi trong một cuộc trò chuyện mới, tải lên ảnh chụp màn hình chỉ có cái bảng với cùng yêu cầu đó. Bản nào đúng cả ba ô?
Ba câu nhanh
Rút ngẫu nhiên từ bộ câu hỏi của bài; lần sau sẽ khác.
Xong chưa?
Nhận email khi có bài mới
Bài mới nằm trong bản tin hằng tuần, chỉ gửi vào tuần có bài. Bạn xác nhận qua email trước; hủy đăng ký chỉ với một lần bấm.
Đọc thêm
Nguồn
- Test PDF made for this lesson on 2026-10-24 (illustrative table, one page, Helvetica, 4 rows x 3 columns, South’s Q1 cell empty), written twice: column by column and row by row. Content stream: “Region” at x 72 y 700, “Q1” x 200 y 700, “Q2” x 280 y 700; North 120 135, South (empty) 110, West 87 94 at y 680, 660, 640; plus grid lines. Text extracted with pypdf 6.21.2 extract_text() on 2026-10-24: column-by-column file “Region\nNorth\nSouth\nWest\nQ1\n120\n87\nQ2\n135\n110\n94”; row-by-row file “Region Q1 Q2\nNorth 120 135\nSouth 110\nWest 87 94” (pdfminer.six 20260107 gave one piece per line for both)
- The rebuilt table with 110 under Q1 and the role’s screenshot are illustrative, not recorded model output
- Ouyang et al., “OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations” (CVPR 2025; arXiv:2412.07626 v2, 2025-03-25, https://arxiv.org/abs/2412.07626, checked 2026-10-24): 981 pages, 428 table boxes; tables scored with TEDS (tree-edit-distance similarity, shown 0 to 100). Table 2, end-to-end Table TEDS, EN: MinerU 78.6, Mathpix 77.0, Qwen2-VL-72B 76.8, GPT4o 72.0, Marker 67.6. Table S1, end-to-end Table TEDS by table attribute, GPT4o: Merge Cell (+/-) 56.8/64.7, Rotate (+/-) 14.2/62.7; Qwen2-VL-72B Merge Cell 67.9/78.1
- aifree.dev catalog, google-gemini-developer-api-free-tier (verified 2026-10-12, live check 2026-10-24): Gemini API free tier and Google AI Studio, Flash models with image and file input
Đăng Oct 24, 2026 · cập nhật Oct 24, 2026