RAG sistemlerinde en sık yaşanan bilgi kaybı, geleneksel OCR araçlarının iki sütunlu metinleri ve tabloları yanlış sırada birleştirmesinden kaynaklanır. IBM Research tarafından açık kaynak olarak sunulan DS4SD/docling kütüphanesi bu sorunu kökten çözüyor.
Tek Komutla Doküman Dönüştürme
pip install doclingfrom docling.document_converter import DocumentConverter
converter = DocumentConverter()
result = converter.convert("https://arxiv.org/pdf/2408.09869")
print(result.document.export_to_markdown())