EpubCCConversia unei lucrări pline de ecuații la EPUB
Actualizat:
Ecuațiile sunt punctul slab: motorul EpubCC menține proza și simbolurile inline simple, dar ecuațiile afisate cu fracții, sume și subscriptii ies ca text simplu amestecat, deoarece nu construiește încă MathML. În lucrarea DPO (arXiv, CC BY 4.0) recall-ul nostru pe 8-gram este 0.814, în spatele OpenDataLoader (0.860) și PDFium (0.838).
Original și rezultat
Ecuații afișate cu fracții, sume, exponenți și subscripturi; litere grecești în text curent; derivate în stil teorema în anexa.
Descarcă sursa PDF Descarcă eșantionul EPUB
Când să păstrezi PDF
Dacă ecuațiile sunt punctul documentului, păstrează PDF pentru a le citi. EPUB este util pentru proza din jurul lor (introducere, discuții, lucrări corelate), care se reflowază și se unește corect pe pagini.
IE, ieșirea MathML nu este planificată pentru prima versiune; când va exista, acest caz va fi regenerat, iar data de mai sus se va schimba.
Sursă și licență
- Document
- Direct Preference Optimization paper (arXiv 2305.18290)
- Licență
- CC BY 4.0
- Pagini
- 27
- Trăsături
- text PDF, o coloană, formule, note de subsol, articol academic
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.
Setări utilizate
- Motor: EpubCC motor la commit 3b74b26, binary-ul care a generat imaginile și exemplul (2026-11-04).
- Pagini: întregul document pentru figuri; paginile 4–5 pentru imagini și exemplarul EPUB.
- Figuri de benchmarking: o rulare din 2026-11-04 cu același binar, fiecare motor pe întreg documentul; acest document nu face încă parte din benchmark-ul publicat.
- Opțiuni: niciuna. Motorul nu are încă setări per document; aceleași valori implicite se aplică fiecărui fișier.
Validare și rezultate
EPUBCheck EPUBCheck pe EPUB: 0 erori, 0 avertizări.
EPUBCheck 5.4.0 pe mostra descărcabilă: 0 erori, 0 avertizări (verificată pe 2026-11-04).
- Pagini
- 27
- Timp
- 0.15 s
- Memorie maximă
- 63 MB
- Capitole
- 11, din titlurile lucrării
- Note de subsol găsite
- 7, 6 legate
- Ecuații convertite în MathML
- 0
- Alerte de calitate
- niciunul
| Motor | recall 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 |
Limitări observate
- Ecuațiile afișate sunt scrise ca text simplu în ordinea în care PDF le desenează: barele fracțiilor dispar, numitorii și numeratorii ajung pe linii separate, iar numărul ecuației plutește («r(x, y) = β log + β log Z(x). (5) π ref (y | x)»).
- Subscriptile sunt scrise inline cu un spațiu (π ref, π θ) în loc de ca subscripții; unele suprascripții sunt păstrate (π^SFT).
- Fără MathML: o aplicație de citire nu poate reda sau citi formulele cu voce tare.
- OpenDataLoader (0.860), PDFium (0.838) și pdftotext (0.827) au o acoperire 8-gram mai mare decât motorul nostru (0.814); referința sare peste ecuații, așa că aceasta măsoară proza.
- Titlul sample-ului a apărut ca „4 Direct Preference Optimization” (primul titlu al paginilor convertite), nu titlul lucrării.