EpubCCKonverze dokumentu plného rovnic na EPUB
Aktualizováno:
Rovnice jsou slabým místem: EpubCC motor udržuje prózu a jednoduché inline symboly, ale zobrazení rovnic s zlomky, součty a indexy vychází jako zkomolený prostý text, protože dosud nevytváří MathML. Na papíře DPO (arXiv, CC BY 4.0) je naše 8-gramová zpětná vazba 0.814, za OpenDataLoader (0.860) a PDFium (0.838).
Původní a výsledek
Zobrazované rovnice s zlomky, součty, exponenty a subscript; řecké písmena v běžném textu; odvození ve stylu teorému v dodatku.
Stáhnout zdroj PDF Stáhnout ukázku EPUB
Kdy si ponechat PDF
Pokud jsou rovnice podstatou dokumentu, udržte PDF pro jejich čtení. EPUB je užitečný pro prozaické části kolem nich (úvod, diskuse, související práce), které se správně přetvářejí a spojují napříč stránkami.
Výstup MathML není plánován pro první verzi; když bude existovat, tento případ bude regenerován a datum výše se změní.
Zdroj a licence
- Dokument
- Direct Preference Optimization paper (arXiv 2305.18290)
- Licence
- CC BY 4.0
- Stránky
- 27
- Vlastnosti
- text PDF, jediný sloupec, vzorce, poznámky pod čarou, akademický článek
Rafailov, Sharma, Mitchell, Ermon, Manning and Finn, “Direct Preference Optimization: Your Language Model is Secretly a Reward Model”, arXiv:2305.18290v3, licensed CC BY 4.0 (checked on the arXiv abstract page, 2026-11-04). Pages shown unmodified; the EPUB is our conversion.
Použité nastavení
- Motor: EpubCC motor na commitu 3b74b26, binární soubor, který vygeneroval obrázky a vzor (2026-11-04).
- Strany: celý dokument pro obrázky; strany 8–9 pro obrázky a ukázkový EPUB.
- Kontrolní hodnoty: spuštění 2026-11-04 se stejným binárním souborem, každý engine na celém dokumentu; tento dokument ještě není součástí publikované zkoušky.
- Možnosti: žádné. Engine zatím nemá nastavení pro každý dokument; stejné výchozí hodnoty platí pro každý soubor.
Ověření a výsledky
EPUBCheck EPUBCheck na našem EPUB: 0 chyby, 0 upozornění.
EPUBCheck 5.4.0 na stažitelné ukázce: 0 chyb, 0 varování (zkontrolováno 2026-11-04).
- Stránky
- 27
- Čas
- 0.15 s
- Procentuální kódování mezer jako %20 a jiných rezervovaných znaků, a používejte lomítka vpřed.
- 63 MB
- Kapitoly
- 11, z nadpisů dokumentu
- Nalezené poznámky pod čarou
- 7, 6 propojených
- Rovnice převedené do MathML
- 0
- Upozornění na kvalitu
- žádný
| Stroj | 8-gramová recall |
|---|---|
| EpubCC engine (EPUB output) | 0.839 |
| EpubCC engine (plain text) | 0.833 |
| pdf_oxide · extract_text | 0.780 |
| pdf_oxide · to_plain_text (XY-cut) | 0.777 |
| pdf_oxide · Markdown | 0.807 |
| PDFium · text().all() | 0.838 |
| OpenDataLoader PDF (local mode) | 0.860 |
| pdftotext (Poppler) | 0.827 |
| Calibre · ebook-convert (EPUB output) | 0.777 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.837 |
Omezení, která jsme pozorovali
- Zobrazované rovnice jsou psány jako prostý text v pořadí, v jakém PDF je nakreslí: zlomkové čáry zmizí, čitatelé a jmenovatelé se ocitnou na samostatných řádcích a číslo rovnice pluje („r(x, y) = β log + β log Z(x). (5) π ref (y | x)“).
- Dolní indexy jsou psány inline s mezerou (π ref, π θ) místo jako dolní indexy; některé horní indexy jsou zachovány (π^SFT).
- Žádný MathML: čtecí aplikace nemůže vykreslit nebo nahlas přečíst vzorce.
- OpenDataLoader (0.860), PDFium (0.838) a pdftotext (0.827) mají vyšší recall 8-gram než náš engine (0.814); reference vynechává rovnice, takže to měří prózu.
- Název vzorku vyšel jako „4 Přímá optimalizace preferencí“ (první nadpis stránek převedených), nikoli název článku.