EpubCCKonvertera en uppsats full av ekvationer till EPUB
Uppdaterad:
Ekvationer är den svaga punkten: EpubCC motorn behåller prosan och enkla inline-symboler, men visas ekvationer med bråk, summor och subscripts kommer ut som skräpad ren text, eftersom den ännu inte kan bygga MathML. På DPO-papperet (arXiv, CC BY 4.0) är vår 8-gram återkallning 0.814, bakom OpenDataLoader (0.860) och PDFium (0.838).
Original och resultat
Visade ekvationer med bråk, summor, exponenter och index; grekiska bokstäver i löpande text; teorem-stil derivationer i bilagan.
Ladda ner källan PDF Ladda ner provet EPUB
När man ska behålla PDF
Om ekvationerna är poängen med dokumentet, behåll PDF för att läsa dem. EPUB är användbart för prosa kring dem (introduktion, diskussion, relaterat arbete), som flyter och förenas över sidor korrekt.
MathML-utdata planeras inte för den första versionen; när det finns kommer detta fall att regenereras och datumet ovan kommer att ändras.
Källa och licens
- Dokument
- Direct Preference Optimization paper (arXiv 2305.18290)
- Licens
- CC BY 4.0
- Sidor
- 27
- Egenskaper
- text PDF, en kolumn, formler, fotnoter, akademisk uppsats
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.
Använda inställningar
- Motor: EpubCC motor vid commit 3b74b26, den binära som genererade bilderna och provet (2026-11-04).
- Sidor: hela dokumentet för figurerna; sidor 4–5 för bilderna och exemplet EPUB.
- Benchmark siffror: en körning av 2026-11-04 med samma binär, varje motor på hela dokumentet; detta dokument är ännu inte en del av den publicerade benchmarken.
- Alternativ: inga. Motorn har inga per-dokument-inställningar ännu; samma standardinställningar gäller för varje fil.
Validering och resultat
EPUBCheck EPUBCheck på vår EPUB: 0 fel, 0 varningar.
EPUBCheck 5.4.0 på den nedladdningsbara provet: 0 fel, 0 varningar (kontrollerat 2026-11-04).
- Sidor
- 27
- Tid
- 0.15 s
- Maxminne
- 63 MB
- Kapitel
- 11, från uppsatsens rubriker
- Fotnoter funna
- 7, 6 länkade
- Ekvationer konverterade till MathML
- 0
- Kvalitetsvarningar
- ingen
| Motor | 8-gram återkallande |
|---|---|
| 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 |
Begränsningar vi observerat
- Visade ekvationer skrivs som vanlig text i den ordning som PDF ritar dem: bråkstänger försvinner, täljare och nämnare hamnar på separata rader, och ekvationsnumret driver iväg ("r(x, y) = β log + β log Z(x). (5) π ref (y | x)").
- Sänkt text skrivs inline med ett mellanrum (π ref, π θ) istället för som sänkt text; vissa superskript behålls (π^SFT).
- Ingen MathML: en läsapp kan inte rendera eller läsa formlerna högt.
- OpenDataLoader (0.860), PDFium (0.838) och pdftotext (0.827) har en högre 8-gram recall än vår motor (0.814); referensen hoppar över ekvationer, så detta mäter prosan.
- Titeln på provet kom ut som «4 Direkt Preferensoptimering» (den första rubriken av de konverterade sidorna), inte titeln på artikeln.