EpubCCKonvertierung eines Papiers voller Gleichungen zu EPUB
Aktualisiert:
Gleichungen sind der Schwachpunkt: die EpubCC Engine hält die Prosa und einfache Inline-Symbole, aber anzeigen Gleichungen mit Brüchen, Summen und Indizes kommen als durcheinander gehaltenen Klartext heraus, weil sie MathML noch nicht erstellt. Bei dem DPO-Papier (arXiv, CC BY 4.0) ist unser 8-Gramm-Rückruf 0.814, hinter OpenDataLoader (0.860) und PDFium (0.838).
Original und Ergebnis
Anzeigegleichungen mit Brüchen, Summen, Exponenten und Tiefen; griechische Buchstaben im Fließtext; Ableitungen im Stil von Theoremen im Anhang.
Quell-PDF herunterladen Laden Sie das Muster EPUB herunter
Wann man das PDF beibehalten sollte
Wenn die Gleichungen der Punkt des Dokuments sind, behalte das PDF, um sie zu lesen. Das EPUB ist nützlich für die Prosa um sie herum (Einführung, Diskussion, verwandte Arbeiten), die richtig umbricht und über Seiten hinweg zusammenfügt.
MathML-Ausgabe ist für die erste Version nicht geplant; wenn sie existiert, wird dieser Fall regeneriert und das oben angegebene Datum ändert sich.
Quelle und Lizenz
- Dokument
- Direct Preference Optimization paper (arXiv 2305.18290)
- Lizenz
- CC BY 4.0
- Seiten
- 27
- Eigenschaften
- Text PDF, eine Spalte, Formeln, Fußnoten, wissenschaftliche Arbeit
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.
Verwendete Einstellungen
- Engine: EpubCC Engine bei Commit 3b74b26, das Binärformat, das die Bilder und das Beispiel erzeugt hat (2026-11-04).
- Seiten: das gesamte Dokument für die Abbildungen; Seiten 4–5 für die Bilder und das Beispiel EPUB.
- Benchmark-Zahlen: ein Lauf vom 2026-11-04 mit demselben Binärformat, jede Engine auf dem gesamten Dokument; dieses Dokument ist noch nicht Teil des veröffentlichten Benchmarks.
- Optionen: keine. Die Engine hat noch keine dokumentenspezifischen Einstellungen; dieselben Standardwerte gelten für jede Datei.
Validierung und Ergebnisse
EPUBCheck EPUBCheck auf unserem EPUB: 0 Fehler, 0 Warnungen.
EPUBCheck 5.4.0 über das herunterladbare Beispiel: 0 Fehler, 0 Warnungen (überprüft am 2026-11-04).
- Seiten
- 27
- Zeit
- 0.15 s
- Maximaler Speicher
- 63 MB
- Kapitel
- 11, aus den Überschriften des Papiers
- Gefundene Fußnoten
- 7, 6 verlinkt
- Gleichungen in MathML konvertiert
- 0
- Qualitätswarnungen
- keine
| Motor | 8-Gramm-Rückruf |
|---|---|
| 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 |
Beobachtete Einschränkungen
- Anzeigegleichungen werden als Klartext in der Reihenfolge geschrieben, die PDF sie anzeigt: Bruchstriche verschwinden, Zähler und Nenner landen in separaten Zeilen, und die Gleichungsnummer driftet („r(x, y) = β log + β log Z(x). (5) π ref (y | x)“).
- Tiefgestellte Schriftzeichen werden inline mit einem Leerzeichen (π ref, π θ) geschrieben und nicht als tiefgestellte Zeichen; einige hochgestellte Zeichen bleiben erhalten (π^SFT).
- Kein MathML: Eine Lese-App kann die Formeln nicht rendern oder laut vorlesen.
- OpenDataLoader (0.860), PDFium (0.838) und pdftotext (0.827) haben einen höheren 8-Gramm-Rückruf als unsere Engine (0.814); die Referenz überspringt Gleichungen, daher wird hier die Prosa gemessen.
- Der Titel der Beispieldatei lautete «4 Direct Preference Optimization» (die erste Überschrift der konvertierten Seiten), nicht der Titel des Papiers.