北京
企业里大量知识藏在PDF表格里，但标准RAG（检索增强生成）流水线一碰到它们就翻车。不是模型不够聪明，而是预处理阶段就把表格的网格结构摧毁了——行与列的交叉关系一旦被压成纯文本，LLM看到的只是一串无结构的数值流，幻觉几乎是必然结果。
这篇文章提出了一套诊断框架和五个可组合的操作，核心思路很直接：把表格当作原生结构化数据来对待，而不是装饰性文本。作者认为，正确做法不是把表格作为文本处理得更好，而是在尽可能早的阶段将其恢复为结构化形式，此后一律当作数据处理。
四个表示层级，匹配不同问题形状
作者定义了四个表示层级，让调度器能把结构与实际问题的形状匹配起来。Level A是按行Markdown，足以应对大多数问题——像散文一样叙述的表格，直接从行里检索答案就行。Level B是独立DataFrame，在需要二维操作（比如跨页拼接或列投影）时使用。
Level C把频繁出现、schema稳定的表格提升为可SQL查询的列式存储，支持语料库级问题。Level D则是schema无法规范化时的诚实回退方案。四个层级各有适用场景，调度器根据诊断结果决定走哪条路。
五字段诊断，替代脆弱决策树
诊断系统为每个表格记录五个正交属性：解析质量（完美/部分/失败）、规模（行×列对）、表头状态（存在/缺失/续表）、跨页连续性（独立/自第N页续/延续至第M页）、文档级表格文字比。每个字段单独记录，调度器读取全部五个字段后，幂等地组合操作。
比如一个部分解析+续表+大表格的组合，会依次执行结构重建、多页拼接、问题驱动投影。这种设计避免了脆弱的决策树逻辑，每个字段独立记录，组合方式确定且可预测。
解析器的选择，分量不亚于操作的选择
文章强调了一个容易被忽视的点：同一页面经不同解析器处理后，可能落入完全不同的诊断桶。在《Attention Is All You Need》论文的超参数表格上，Fitz将13列坍塌为3个单元格，而Azure Document Intelligence干净地恢复了全部13列。
这意味着解析器选错了，后续操作再优化也白搭。作者建议先用廉价解析器，仅对困难表格升档——这个策略吸收了操作本会重复完成的工作，避免了不必要的计算开销。
五个可组合操作，覆盖完整升级路径
五个操作都是幂等的，无论以何种顺序组合都安全有效。O1从词级包围盒重建网格，处理部分解析；O2通过表头传播拼接多页续表；O3在检索前根据问题范围对表格进行投影和过滤；O4将频繁表格提升到列式存储以支持SQL查询；O5在万不得已时将表格区域渲染为图像供视觉LLM提取。
O5被刻意保留为高成本回退方案——只有当其他操作都失败时才启用。这种分层设计让系统在大多数情况下走廉价路径，只在真正困难时升级。
真实案例：从NIST到世界银行
文章用真实案例验证了这套框架。NIST网络安全框架PDF和世界银行CMO表格都展示了不同层级的处理效果。像"财产险的免赔额是多少"这样的问题，直接从Markdown行获取答案，像任何其他行一样检索、引用——混合内容文档中的大部分表格到这里就结束了。
这套方案的核心价值在于：它承认表格是布局产物而非数据结构，但拒绝接受"扁平化是唯一出路"的现状。通过诊断驱动操作组合，在最合适的抽象层级保留表格结构，让RAG系统在表格场景下也能给出可靠答案。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
