PipesHub公开PDF解析优化方案

PipesHub公开PDF解析优化复盘和代码，改用pdfplumber优先读取PDF自带文本层，仅对必要页面运行布局模型；其称，单页处理中位耗时减半，峰值内存降低约1GB。 新路径仍复用Docling的heron模型，主要适合以自带文本层为主的PDF。PipesHub同时承认，Docling在图表检测、表格结构和caption提取方面仍更强，因此该方案是以这些能力为代价换取处理效率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。