EpubCCConversion d'un document rempli d'équations en EPUB
Mis à jour :
Les équations sont le point faible : le moteur EpubCC conserve la prose et les symboles en ligne simples, mais les équations d'affichage avec des fractions, des sommes et des indices ressortent comme du texte brut brouillé, car il ne construit pas encore de MathML. Sur le papier DPO (arXiv, CC BY 4.0), notre rappel 8-gram est 0.814, derrière OpenDataLoader (0.860) et PDFium (0.838).
Original et résultat
Affichez des équations avec des fractions, des sommes, des exposants et des indices ; des lettres grecques dans le texte courant ; des dérivations de style théorème dans l'annexe.
Télécharger la source PDF Télécharger l'échantillon EPUB
Quand garder le PDF
Si les équations sont l'objet du document, conservez le PDF pour les lire. Le EPUB est utile pour la prose autour d'elles (introduction, discussion, travaux connexes), qui se reformate et s'étend correctement sur les pages.
La sortie MathML n'est pas prévue pour la première version ; lorsqu'elle existe, ce cas sera régénéré et la date ci-dessus changera.
Source et licence
- Document
- Direct Preference Optimization paper (arXiv 2305.18290)
- Licence
- CC BY 4.0
- Pages
- 27
- Caractéristiques
- texte PDF, une colonne, formules, notes de bas de page, article académique
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.
Paramètres utilisés
- Moteur : EpubCC moteur à l'engagement 3b74b26, le binaire qui a généré les images et l'échantillon (2026-11-04).
- Pages : le document entier pour les figures ; pages 4–5 pour les images et l'échantillon EPUB.
- Chiffres de référence : un exécution du 2026-11-04 avec le même binaire, chaque moteur sur l'ensemble du document ; ce document ne fait pas encore partie de la référence publiée.
- Options : aucune. Le moteur n'a pas encore de paramètres par document ; les mêmes valeurs par défaut s'appliquent à chaque fichier.
Validation et résultats
EPUBCheck EPUBCheck sur notre EPUB : 0 erreurs, 0 avertissements.
EPUBCheck 5.4.0 sur l'exemple téléchargeable : 0 erreurs, 0 avertissements (vérifié le 2026-11-04).
- Pages
- 27
- Temps
- 0.15 s
- Mémoire peak
- 63 MB
- Chapitres
- 11, provenant des titres du papier
- Notes de bas de page trouvées
- 7, 6 liés
- Équations converties en MathML
- 0
- Avertissements de qualité
- aucun
| Moteur | rappel 8-gram |
|---|---|
| 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 |
Limitations observées
- Les équations affichées sont écrites en texte brut dans l'ordre où le PDF les dessine : les barres de fraction disparaissent, les numérateurs et dénominateurs se retrouvent sur des lignes séparées, et le numéro de l'équation dérive («r(x, y) = β log + β log Z(x). (5) π ref (y | x)»).
- Les indices sont écrits en ligne avec un espace (π ref, π θ) au lieu d'être en indices ; certains exposants sont conservés (π^SFT).
- Pas de MathML : une application de lecture ne peut pas rendre ou lire les formules à voix haute.
- OpenDataLoader (0.860), PDFium (0.838) et pdftotext (0.827) ont un rappel 8-gram supérieur à celui de notre moteur (0.814) ; la référence ignore les équations, donc cela mesure la prose.
- Le titre de l'échantillon est sorti comme «4 Optimisation de Préférence Directe» (le premier titre des pages converties), pas celui du document.