标签 MinerU 下的文章

MinerU 把复杂 PDF 和 Office 文档拆成 LLM 能读的 Markdown / JSON，公式、表格、多栏排版是它重点处理的。 学术论文、技服手册、扫描版合同这三类文件，直接丢给模型基本白搭：公式变乱码、表格变空格、双栏交错。MinerU 是上海人工智能实验室体系下开源的文档解析工具，专门针对这类“难搞的 PDF”。它不只做 OCR，而是把版面、公式、表格分别识别后再重组成结构。