多模态模型做文档解析，表格识别准吗？

想用多模态大模型解析 PDF 里的复杂表格，试了几个模型，合并单元格的表格识别率不高。大家有靠谱的方案吗？还是老老实实用传统 OCR？

【管理员回复】复杂表格（合并单元格、跨页、无框线）确实是文档解析的难点。几点建议：一是不必二选一，常见做法是先用版面分析和专门的表格结构识别模型定位表格、还原行列结构，再用多模态大模型做内容校对和语义理解；二是让模型输出 HTML 表格而不是 Markdown，HTML 能用 rowspan、colspan 表达合并单元格；三是对于原生电子版 PDF，优先直接抽取文本和坐标，而不是转图片识别，准确率高得多；四是建一个包含典型难例的小评估集，用单元格级准确率来比较方案。你们处理的 PDF 是扫描件为主，还是电子版为主？

赞同楼主，这个确实是关键点。我们当时也是这么做的，效果立竿见影。