流水线方法

在RAG系统中，基于OCR的非结构化PDF文档抽取导致知识库中的语义噪声和格式噪声问题，影响RAG系统的性能。OHRBench评估了当前OCR解决方案，并推荐使用Marker实现最佳检索性能，但所有解决方案仍存在性能下降。