EpubCCMuuntaminen paperista, joka on täynnä kaavoja, EPUB:ksi
Päivitetty:
Yhtälöt ovat heikko kohta: EpubCC moottori säilyttää proosan ja yksinkertaiset inline-symbolit, mutta näyttöyhtälöt murtuviivat, summat ja alaindeksit tulevat ulos sekavana tavallisena tekstinä, koska se ei vielä rakenna MathML:ää. DPO-paperissa (arXiv, CC BY 4.0) 8-grammi muistiamme on 0.814, jäljessä OpenDataLoader (0.860) ja PDFium (0.838).
Alkuperäinen ja tulos
Näytteen kaavat, joissa on murtolukuja, summia, eksponentteja ja alaviitteitä; kreikkalaiset kirjaimet juoksevassa tekstissä; teoreema-tyyliset johdannaiset liitteessä.
Lataa lähde PDF Lataa näyte EPUB
Milloin pitää säilyttää PDF
Jos yhtälöt ovat asiakirjan ydin, pidä PDF niiden lukemiseksi. EPUB on hyödyllinen proosalle niiden ympärillä (esittely, keskustelu, liittyvä työ), joka virtaa ja liittyy oikein sivujen yli.
MathML-tulostusta ei ole suunniteltu ensimmäiselle versiolle; kun se on olemassa, tämä tapaus luodaan uudelleen ja yllä oleva päivämäärä muuttuu.
Lähde ja lisenssi
- Dokumentti
- Direct Preference Optimization paper (arXiv 2305.18290)
- Lisenssi
- CC BY 4.0
- Sivut
- 27
- Ominaisuudet
- teksti PDF, yksi sarake, kaavat, jalkaviitteet, tieteellinen julkaisu
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.
Käytetyt asetukset
- Moottori: EpubCC moottori commitissa 3b74b26, binääri, joka tuotti kuvat ja näytekappaleen (2026-11-04).
- Sivut: koko asiakirja kuvien osalta; sivut 4–5 kuvien ja näytteen EPUB osalta.
- Vertailuluvut: suoritus 2026-11-04 samalla binäärillä, jokainen moottori koko asiakirjassa; tämä asiakirja ei ole vielä osa julkaistua vertailua.
- Valinnat: ei mitään. Moottorilla ei vielä ole asiakirjakohtaisia asetuksia; samat oletusasetukset pätevät kaikkiin tiedostoihin.
Validointi ja tulokset
EPUBCheck EPUBCheck meidän EPUB: 0 virheitä, 0 varoituksia.
EPUBCheck 5.4.0 ladattavasta näytteestä: 0 virhettä, 0 varoitusta (tarkistettu 2026-11-04).
- Sivut
- 27
- Aika
- 0.15 s
- Huippumuisti
- 63 MB
- Luvut
- 11, paperin otsikoista
- Alaviitteitä löytynyt
- 7, 6 linkitetty
- Yhtälöt muunnettu MathML:ään
- 0
- Laatuvaroitukset
- ei mitään
| Moottori | 8-grammin muistaminen |
|---|---|
| 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 |
Havaittuja rajoituksia
- Näytteen kaavat on kirjoitettu tavallisena tekstinä järjestyksessä, jota PDF piirtää: murtoviivat katoavat, numerot ja nimittäjät osuvat erillisille riveille, ja kaavan numero vaeltaa («r(x, y) = β log + β log Z(x). (5) π ref (y | x)»).
- Alennukset kirjoitetaan inline-tilassa välilyönnillä (π ref, π θ) sen sijaan, että niitä kirjoitettaisiin alennuksina; jotkin ylitsekoottavat säilyvät (π^SFT).
- Ei MathML: lukuohjelma ei voi renderöidä tai lukea kaavoja ääneen.
- OpenDataLoader (0.860), PDFium (0.838) ja pdftotext (0.827) ovat korkeammalla 8-gramin muistissa kuin moottorimme (0.814); viittaus ohittaa laskentatehtävät, joten tämä mittaa proosaa.
- Näytteen otsikko tuli esiin muodossa «4 Suora mieltymysoptimointi» (sivujen ensimmäinen otsikko), ei paperin otsikko.