Loop Engineering with Adaptive PDF Parsing: Start Cheap, Pay for a Heavier Parser Only When the Page Needs It

Hệ thống RAG doanh nghiệp sử dụng chiến lược phân tích PDF thích ứng, bắt đầu bằng các parser rẻ tiền (PyMuPDF) và chỉ nâng cấp lên parser đắt tiền (Azure Document Intelligence, vision LLMs) khi các kiểm tra xác định phát hiện lỗi phân tích. Quá trình này bao gồm bốn lớp kiểm tra: metadata trước phân tích, dấu vân tay trong lúc phân tích, khoảng trống điểm truy xuất, và tín hiệu LLM lúc sinh. Một cột parsing_method trong lược đồ quan hệ theo dõi các lần nâng cấp mà không ghi đè dữ liệu gốc. Ví dụ thực tế như phân tích Bảng 3 (lưới bảng phẳng) và Hình 1 (đồ thị mờ) trong bài Attention (Vaswani et al. 2017). Chiến lược tương tự cũng áp dụng cho mức độ chi tiết của embedding, mặc định dùng vector cấp trang và thu hẹp xuống cấp dòng chỉ khi điểm truy xuất không rõ ràng.