RAG 表格结构保留对照实验样本
文档编号：CY-RAG-2026-09 版本：V1.3 结算币种：CNY 报表截止：2026-08-31
表 A：2026 年区域收入实际与预测
区域
2026 H1 实际 2026 H2 预测
全年批准预算 单位
Q1 Q2 Q3 Q4
华东 128 146 158 172 620 CNY/万元
华南 119 137 149 163 590 CNY/万元
华北 112 121 140 151 548 CNY/万元
华中 86 94 106 115 415 CNY/万元
西南 74 82 93 101 362 CNY/万元
西北 52 58 66 72 264 CNY/万元
东北 61 67 76 83 303 CNY/万元
脚注 A：预测基于 2026-08-31 在手订单与已批准销售计划。
脚注 B：实际收入已扣除退款，未扣除税费。
阅读约束：表头中 H1/H2 是期间分组，Q1–Q4 必须与所属分组一起解释；所有数值以万元为单位。实验说明：为什么“字都抽出来了”仍不等于可用证据
本文档故意同时包含：表名、两级表头、合并单元格、单位、脚注、文档版本和来源页。如果只把 PDF
文字按阅读顺序串联并定长切块，数字可能还在，但“这个数字属于哪个区域、哪个期间、什么口径”的关系容易被切断。
对照路径 1：使用 pdftotext 抽取阅读顺序文本，压缩空白后按固定字符数切块。
对照路径 2：每一行都重复表名、完整表头路径、单位、脚注和来源页，并保留 source hash。
验收口径：给定问题的必需证据字段是否同时出现在检索候选中。它测的是“证据表达是否完整”，不是任何特定 LLM 的生成准确率。