EpubCCConvertire un documento pieno di equazioni in EPUB
Aggiornato:
Le equazioni sono il punto debole: il motore EpubCC mantiene la prosa e simboli semplici inline, ma le equazioni di visualizzazione con frazioni, somme e pedici risultano come testo semplice confuso, poiché non costruisce ancora MathML. Sul documento DPO (arXiv, CC BY 4.0) il nostro richiamo 8-gram è 0.814, dietro OpenDataLoader (0.860) e PDFium (0.838).
Originale e risultato
Equazioni visualizzate con frazioni, somme, esponenti e indici; lettere greche nel testo in corsivo; derivazioni in stile teorema nell'appendice.
Scarica sorgente PDF Scarica il campione EPUB
Quando mantenere il PDF
Se le equazioni sono il punto del documento, conserva il PDF per leggerle. Il EPUB è utile per la prosa attorno a esse (introduzione, discussione, lavori correlati), che si adatta e si unisce correttamente attraverso le pagine.
L'output MathML non è previsto per la prima versione; quando esisterà, questo caso verrà rigenerato e la data sopra cambierà.
Fonte e licenza
- Documento
- Direct Preference Optimization paper (arXiv 2305.18290)
- Licenza
- CC BY 4.0
- Pagine
- 27
- Caratteristiche
- testo PDF, una colonna, formule, note a piè di pagina, articolo accademico
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.
Impostazioni utilizzate
- Motore: EpubCC motore al commit 3b74b26, il file binario che ha generato le immagini e il campione (2026-11-04).
- Pagine: l'intero documento per le figure; pagine 4–5 per le immagini e il campione EPUB.
- Dati di benchmarking: una corsa del 2026-11-04 con lo stesso binario, ogni motore su tutto il documento; questo documento non fa ancora parte del benchmark pubblicato.
- Opzioni: nessuna. Il motore non ha ancora impostazioni per documento; gli stessi valori predefiniti si applicano a ogni file.
Validazione e risultati
EPUBCheck EPUBCheck sul nostro EPUB: 0 errori, 0 avvisi.
EPUBCheck 5.4.0 sul campione scaricabile: 0 errori, 0 avvisi (controllato il 2026-11-04).
- Pagine
- 27
- Tempo
- 0.15 s
- Memoria massima
- 63 MB
- Capitoli
- 11, dalle intestazioni del documento
- Note a piè di pagina trovate
- 7, 6 collegate
- Equazioni convertite in MathML
- 0
- Avvisi di qualità
- nessuno
| Motore | richiamo 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 |
Limitazioni osservate
- Le equazioni visualizzate sono scritte come testo semplice nell'ordine in cui PDF le disegna: le barre di frazione scompaiono, numeratori e denominatori si trovano su linee separate, e il numero dell'equazione deriva («r(x, y) = β log + β log Z(x). (5) π ref (y | x)»).
- Gli apici sono scritti inline con uno spazio (π ref, π θ) invece di come apici; alcuni apici sono mantenuti (π^SFT).
- Nessun MathML: un'app di lettura non può visualizzare o leggere le formule ad alta voce.
- OpenDataLoader (0.860), PDFium (0.838) e pdftotext (0.827) hanno un richiamo di 8-grammi superiore al nostro motore (0.814); il riferimento salta le equazioni, quindi questo misura la prosa.
- Il titolo del campione è uscito come «4 Direct Preference Optimization» (la prima intestazione delle pagine convertite), non come il titolo del documento.