AI 文件抽取為何容易在 Schema 設計上出錯

LlamaIndex 指出，AI 文件抽取在生產環境失準，往往源於 Schema 未界定欄位語義、可空性或重複資料結構，而不只是模型讀取錯誤。其 ExtractBench 涵蓋 4,869 頁、370 份文件、8 個業務領域及 67 種文件類型，分開衡量值 F1、記錄完整度與詞級及頁級 grounding F1；文中稱商用 VLM 在長文件中會截斷記錄清單。