共 3 篇文章
详见 [[concepts/sft-vs-rl]] 和本文新建的比较视角。
评分维度：文本提取质量（50%）+ 格式一致性（30%）+ 表格完整性（20%），采样前 3 页评估。
→ 分块（300 Token，50 Token overlap）