面试题库 › 算法 / 大模型 › 多模态文档解析的流程

多模态文档解析的流程

难度 ★★☆在 1 场真实面经中被问到 方向:算法 / 大模型考点:RAG基础与流程

哪些公司问过

蚂蚁集团1

常见岗位:AI 应用 / Agent 开发

答案要点

  1. 类型识别:原生文档直接抽取,扫描件与图片走 OCR
  2. 版面分析:检测标题、段落、表格、图片、公式等区域,恢复阅读顺序
  3. 元素解析:表格还原结构,公式转 LaTeX,图片用多模态模型生成描述并保留原图
  4. 结构重建:按标题层级组织,去除页眉页脚等噪声
  5. 切块入库:按章节语义切块,附页码和标题路径元数据,图文分别或联合向量化

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题