The Papers

指南

为什么 ChatGPT 总是读错我 PDF 里的数字?

ChatGPT 读错 PDF 中的数字,是因为 PDF 存储的是按位置排布的文字和图像,而不是带有含义的数值表格:图表、扫描件或复杂版式中的数字可能被漏读、合并,或被对应到错误的期间、币种或行。解决办法是把数字以结构化文本的形式提供给 AI,并让它紧挨着标签和限定条件——最好是提供一份经保真核对的文本版文档,让所有 AI 都读取它,而不是反复从 PDF 中重新提取。

PDF 实际提供给 AI 的是什么

PDF 是一种打印格式。它告诉阅读器在页面的什么位置绘制每个字符、线条和图像,却不会说明“这个单元格是第三季度的欧元收入,未经审计”。读取文件的 AI 只能根据位置重建这些含义,而每一次重建都是一次猜测。

OpenAI 帮助中心指出,ChatGPT 可能无法从基于图像的表格、扫描文件或复杂的视觉版式中可靠地提取精确数值,并建议在需要精确数值时上传电子表格或文本文件。帮助中心还提到,读取 PDF 中的图表和图像(视觉检索)仅在特定场景下提供;在其他场景中只使用文本层。只存在于图表或图像中的数字,可能根本就不会被看到。

按文档类型划分的常见错误

文档出现的问题原因
年报或季报把上一年的数字当作本年数字引用多栏表格在提取过程中丢失了列标题
银行或账户对账单借贷方颠倒,余额错位金额按列排布,但没有明确标签
价目表或规格表价格对应到了错误的产品或型号行内容跨行换行;合并单元格打乱了行顺序
财务摘要把预测数据当作实际数据报告限定条件位于远离数字的脚注中
扫描版合同或发票数字识别错误(8 和 3、1 和 7)文字来自 OCR,而不是文本层
篇幅长、图片多的报告部分章节被忽略或只被笼统概括大文件可能无法被完整分析

真正的问题在于单位、期间和限定条件

大多数“错误的数字”其实是数字没错、含义错了。“4.2”如果缺少“百万美元”“FY2025”和“未经审计”,就毫无意义。在 PDF 中,这些信息往往分散在表头、图注和脚注里,提取时保留了数字,却丢掉了上下文。

  • 数量级:千还是百万,只在表头中注明一次(“单位:千美元”)。
  • 期间:表格被拍平后,“2025 / 2024”这样的列标题就消失了。
  • 币种:列顶部只有一个货币符号,数值旁边没有。
  • 限定条件:预测、备考、未经审计、“最高”、剔除一次性项目——通常都以小字标注。
  • 定义:收入、GMV 还是订单额,总额还是净额。

您可以自己在 PDF 中修正的地方

  • 从源应用程序导出,让文字保持可选中;避免扫描件和“打印为图像”。
  • 在每个列标题中写明单位和期间,而不只是写在页面标题里。
  • 用一句话完整陈述关键数字及其上下文:“FY2025 收入:420 万美元,未经审计。”
  • 为每个图表添加数据标签,或在下方附一个小型数值表。
  • 避免合并单元格和跨页断开的表格。
  • 如果精度很重要,请按 OpenAI 的建议,在 PDF 旁边同时提供电子表格或 CSV。
  • 向 ChatGPT 提问时,指明具体页面或章节,而不是整个文件;OpenAI 建议针对具体章节提问或拆分大文件。

为什么只优化您自己的提示词还不够

您可以自己核对 ChatGPT 的回答,却无法核对读者得到的回答:投资人、客户的采购团队或监管机构都会把 PDF 上传到各自的助手里,每次都会重新提取数字,结果每次都不一样。即使您发布了更正,过时的副本仍会继续流传。

长久的解决办法是:在一个永久地址上提供一份规范的文本版文档,让每个 AI 都读取它,而不是根据版式去猜测。

The Papers 如何解决这个问题

The Papers 会把 PDF(或 PowerPoint、Excel、Word)转化为位于永久 URL 的经保真核对 AI 版本:一个网页,外加 Markdown 和 JSON。发布前,每个数字、币种、日期和期间都会核对是否与源文件完全一致,且不得出现源文件中没有的数字。预测、未经审计或备考等限定条件会始终附着在数值上,每个数值都保留对其来源页的引用。

当源文件存在歧义时——比如某个数字是收入还是 GMV——问题会交由您来回答,您的答复将记录为“所有者确认”。文档会获得一个 AI 就绪度评分;要达到“已核对原文”状态,必须没有未解决的关键问题。更新文档时,链接保持不变。

常见问题

扫描版 PDF 比导出的 PDF 更差吗?
通常是的。扫描件没有文本层,数值来自 OCR,而 OpenAI 指出,扫描文件和基于图像的表格可能无法被可靠提取。条件允许时,请从原始应用程序导出。
换一个更好的模型能解决这个问题吗?
只能部分解决。更好的模型能更好地读懂版式,但 PDF 仍然不会说明某个数字属于哪个期间、币种或限定条件。结构化文本能为所有模型消除这种猜测。
我是不是直接发电子表格就行了?
如果是原始数据,可以——OpenAI 建议在需要精确数值时使用电子表格或文本文件。但读者还需要文字叙述,只发电子表格就会丢失这部分内容。经保真核对 AI 版本两者兼顾。
The Papers 会检查我的数字是否正确吗?
不会。它检查的是 AI 版本是否忠实于您的源文件——数字、期间和限定条件是否相同。它并不证明内容本身属实。

为您的 PDF 发布一个经保真核对 AI 版本,让每个助手读到的数字都一样。

来源

相关指南