RAG Clinic: tabele tracą sens po wczytaniu

Model podaje wartość z tabeli, ale przypisuje ją do niewłaściwego wiersza lub kolumny.

Odpowiedzi na pytania o liczby z tabel bywają przekonująco błędne.

Wartości są poprawne co do treści, lecz pomieszane między kategoriami.

Pytania o zestawienia i porównania dają niestabilne wyniki.

Przy wczytywaniu tabela często zamienia się w ciąg tekstu, w którym gubi się powiązanie wiersz–kolumna.

Model widzi liczby bez struktury, która nadawała im znaczenie.

Zobacz, jak wygląda tabela po wczytaniu, zanim trafi do modelu.

Jeśli to „płaski” ciąg liczb bez nagłówków, struktura została utracona.

Zachowaj strukturę tabeli, konwertując ją do czytelnego formatu (np. z wyraźnymi nagłówkami wierszy i kolumn).

Traktuj każdą tabelę jako osobny, spójny fragment, a nie element pociętego tekstu.

Przygotuj pytania wymagające odczytu konkretnej komórki i porównań między wierszami.

Sprawdź, czy po zmianie obsługi tabel odpowiedzi są stabilne i poprawne.

Dla kluczowych tabel rozważ wydzielenie danych do ustrukturyzowanej postaci i odpytywanie ich osobno.

Czasem lepszym rozwiązaniem jest zapytanie do danych, a nie do tekstu.

Traktowanie tabel jak zwykłego akapitu.

Dzielenie tabeli na fragmenty, które tracą nagłówki.

Tabele często zawierają dane osobowe lub finansowe — ich przetwarzanie powinno pozostać w obrębie organizacji.

Tabele to miejsce, w którym RAG najłatwiej myli się „z pełnym przekonaniem”.

Naszym zdaniem dokumenty bogate w tabele wymagają osobnej strategii, a nie domyślnego pipeline.