EpubCCΜετατροπή ενός εγγράφου γεμάτου εξισώσεις σε EPUB
Ενημερωμένο:
Οι εξισώσεις είναι το αδύνατο σημείο: η μηχανή EpubCC διατηρεί την πρόζα και απλά σύμβολα inline, αλλά οι επιδεικτικές εξισώσεις με κλάσματα, αθροίσματα και υποσημειώσεις βγαίνουν ως μπερδεμένο απλό κείμενο, γιατί δεν δημιουργεί ακόμη MathML. Στο έγγραφο DPO (arXiv, CC BY 4.0) η ανάκλησή μας 8-γραμμα είναι 0.814, πίσω από OpenDataLoader (0.860) και PDFium (0.838).
Πρωτότυπη και αποτέλεσμα
Εμφανιζόμενες εξισώσεις με κλάσματα, αθροίσματα, εκθέτες και υποκείμενα; Ελληνικά γράμματα σε τρέχον κείμενο; Πηγές τύπου θεμελιώδους θεωρήματος στο παράρτημα.
Κατεβάστε την πηγή PDF Κατεβάστε το δείγμα EPUB
Πότε να διατηρήσετε το PDF;
Εάν οι εξισώσεις είναι το κύριο σημείο του εγγράφου, κρατήστε το PDF για να τις διαβάσετε. Το EPUB είναι χρήσιμο για την πρόζα γύρω τους (εισαγωγή, συζήτηση, σχετική εργασία), που επανακαταχωρείται και ενώνεται σωστά σε σελίδες.
Η εξαγωγή MathML δεν είναι προγραμματισμένη για την πρώτη έκδοση· όταν υπάρξει, αυτή η περίπτωση θα αναδημιουργηθεί και η ημερομηνία παραπάνω θα αλλάξει.
Πηγή και άδεια
- Έγγραφο
- Direct Preference Optimization paper (arXiv 2305.18290)
- Άδεια
- CC BY 4.0
- Σελίδες
- 27
- Χαρακτηριστικά
- κείμενο PDF, μία στήλη, τύποι, υποσημειώσεις, ακαδημαϊκή εργασία
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.
Ρυθμίσεις που χρησιμοποιούνται
- Μηχανή: EpubCC μηχανή στην αναθεώρηση 3b74b26, το δυαδικό αρχείο που δημιούργησε τις εικόνες και το δείγμα (2026-11-04).
- Σελίδες: το ολόκληρο έγγραφο για τις εικόνες; σελίδες 4–5 για τις εικόνες και το δείγμα EPUB.
- Στοιχεία benchmark: μια εκτέλεση της 2026-11-04 με το ίδιο δυαδικό, κάθε μηχανή σε ολόκληρο το έγγραφο; αυτό το έγγραφο δεν είναι ακόμη μέρος του δημοσιευμένου benchmark.
- Επιλογές: καμία. Η μηχανή δεν έχει ακόμα ρυθμίσεις ανά έγγραφο; οι ίδιες προεπιλογές ισχύουν για κάθε αρχείο.
Επικύρωση και αποτελέσματα
EPUBCheck EPUBCheck στην EPUB μας: 0 σφάλματα, 0 προειδοποιήσεις.
EPUBCheck 5.4.0 στο διαθέσιμο δείγμα: 0 σφάλματα, 0 προειδοποιήσεις (ελεγχμένο 2026-11-04).
- Σελίδες
- 27
- Χρόνος
- 0.15 s
- Μέγιστη μνήμη
- 63 MB
- Κεφάλαια
- 11, από τις επικεφαλίδες της εργασίας
- Βρέθηκαν υποσημειώσεις
- 7, 6 συνδεδεμένα
- Εξισώσεις μετατραπείσες σε MathML
- 0
- Προειδοποιήσεις ποιότητας
- κανένα
| Μηχανή | 8-γραμμα ανάκληση |
|---|---|
| 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 |
Περιορισμοί που παρατηρήσαμε
- Οι εμφανιζόμενες εξισώσεις είναι γραμμένες ως απλό κείμενο με τη σειρά που τις σχεδιάζει το PDF: οι γραμμές κλασματικών εξαφανίζονται, οι αριθμητές και οι παρονομαστές τοποθετούνται σε ξεχωριστές γραμμές, και ο αριθμός της εξίσωσης πλανάται («r(x, y) = β log + β log Z(x). (5) π ref (y | x)»).
- Οι υπογραφές γράφονται εντός κειμένου με ένα κενό (π.χ. ref π, π θ) αντί για υπογραφές; μερικές ανωφελείες διατηρούνται (π^SFT).
- Χωρίς MathML: μια εφαρμογή ανάγνωσης δεν μπορεί να αποδώσει ή να διαβάσει τις φόρμουλες φωναχτά.
- OpenDataLoader (0.860), PDFium (0.838) και pdftotext (0.827) έχουν υψηλότερη ανάκληση 8-gram από την μηχανή μας (0.814); η αναφορά παραλείπει τις εξισώσεις, έτσι αυτό μετράει τη πρόζα.
- Ο τίτλος του δείγματος βγήκε ως «4 Άμεσος Βελτιστοποίηση Προτίμησης» (η πρώτη κεφαλίδα των σελίδων που μετατράπηκαν), όχι ο τίτλος της εργασίας.