Camelot 與 LLM 混合策略：在學術表格式 PDF 的高效資訊擷取
從學術 PDF 擷取結構化資料不易，單頁常混合自由文字與表格，還會受 Unicode 編碼影響。本研究以印尼高教的選課表（KRS）為案例，比較三種策略：純 LLM、正規表達式＋LLM 的混合決定性流程，以及以 Camelot 為主、LLM 備援的管線。
要點速讀
學術 PDF 尤其是含表格式的文件，長期以來難以穩定抽取結構化資訊。此研究用印尼高教的選課表（KRS）做為實證，直接比較三類方法對表格與描述性欄位的處理成效。
研究設計與方法
三種方法被評估：純 LLM；以正規表達式搭配 LLM 的混合決定性流程；以及以 Camelot 為核心、LLM 作為備援的管線。實驗在本地消費級 CPU 環境執行，多款 12–14B 的模型（包含 Gemma 3、Phi 4、Qwen 2.5）。資料集為 140 份文件（LLM 測試）與 860 份文件（Camelot 管線評估），涵蓋四個系所的不同表格與 metadata 組合。
評估與結果
使用精確比對（EM）與 Levenshtein 相似度（LS）兩項指標，並以 0.7 為相似度門檻。結果指出，對於具有規則性的 metadata 欄位，混合決定性方法比純 LLM 更有效率；而以 Camelot 為主並由 LLM 備援的管線，在準確率與運算效率上取得最佳平衡，多數情況下每份 PDF 處理時間低於一秒，EM/LS 可達 0.99–1.00。Qwen 2.5（14B）在各場景中表現較為穩定。
意義與結論
在資源受限的運算環境下，將確定性規則與大型語言模型結合，能兼顧精準度與效能，對於學術表格式 PDF 的大規模處理具有實務參考價值。
延伸閱讀
- 以 NCE 與 SSE 驗證的 AgentSOC：結合生成式推理與圖形化可行性驗證
- pAI/MSc：以人為監督的多代理研究管線與可審計 LangGraph 工作流
- MedSkillAudit：以分層審核評估醫學研究代理人技能的部署準備度
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
