准确率基准测试 · 2026年10月

在 82 个经人工核对的真实页面上,98% 的数字正确

我们在真实文档上运行生产环境的提取流程,并将每个数字、词语和日期与经人工对照原文核对过的文本进行比较。数字方面:在未用于调优的 50 个页面上为 99%。

数字正确率(全部 82 页)
98.1%
数字正确率(未用于调优的 50 页)
99.1%
被余额核对标记的银行对账单行
1 / 284

准确率

结果

“正确率”是指我们输出的值中与页面上完全一致的值所占的比例。“检出率”是指页面上的值出现在我们输出中的比例。

页 数字正确率 数字检出率 词语正确率 词语检出率 日期正确率 日期检出率
所有页面 (82) 98.1% 97.3% 96.2% 90.2% 99.5% 99.5%
未用于调优 (50) 99.1% 98.4% 96.6% 93.0% 99.7% 100%
按页面类型统计的数字结果
页 正确率 检出率
数字 PDF (29) 99.7% 99.4%
扫描件 (41) 97.2% 96.8%
带扫描仪文本层的 PDF (9) 98.2% 98.6%
手机照片 (3) 96.4% 92.3%
按文档类型统计的数字结果
页 正确率 检出率
财务表格(对账单、发票) (32) 98.7% 97.5%
纯文本文档 (11) 92.9% 94.3%

其他版式未在此单独列出;所有页面都计入总体结果。

银行对账单

在从该数据集的对账单中提取出的 284 条交易行中,滚动余额核对标记了 1 条待审核。 当对账单上印有余额时,预览还会核对“期初余额 + 贷方 − 借方 = 期末余额”是否成立,并在一致时告诉您。

与免费工具的比较

我们还在相同页面上运行了 pdftotext 和 Tesseract OCR,并用相同方式评分,同时给出置信区间以及免费工具表现较好的页面类型。 阅读 PDF 转文本基准测试

我们如何衡量

  • 68 份真实文档(82 页):包括银行对账单、发票、收据、表单、扫描件和手机照片,抽样构成与用户上传的文件构成相符。
  • 每一页的预期文本都经过人工对照源文档核对。
  • 只有当完全相同的值出现在页面上时,数字才算正确;页面上的数字出现在我们的输出中,则算作检出。词语和日期也按同样方式评分。
  • 有 50 页被单独留出,从未用于调优该流程。
  • 结果来自生产环境的流程,评分日期为 2026年10月2日。

局限性

  • 数据集中只有 3 张手机照片,因此照片相关数据基于较小的样本。
  • 纯文本文档的得分低于表格:92.9% 的数字正确。
  • 在您的文档上结果可能有所不同。在依赖预览结果之前,请先对照原件核对。
  • 每当流程发生变化,我们都会重新运行基准测试并更新此页面。

用您自己的文档验证

上传 PDF、扫描件或照片,将预览与原件进行比较。

用文档试一试