aionclaw需重点验证中段信息留存、结构化语义理解及跨章节逻辑锚定：用120k token混合文档测中段衰减；通过三段式输出与反向扰动验逻辑绑定；以警告图标提取测结构化解析鲁棒性，92%模型在表格内参数行识别上失效。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
分析长文档时，AionClaw需重点验证模型对中段关键信息的留存能力、结构化语义理解深度及跨章节逻辑锚定精度，不能仅依赖上下文窗口标称值。
验证中段信息留存稳定性
用一份120K token的混合型技术文档（含嵌套表格、附录引用、第三章定义→第八章调用的术语）进行测试。
向模型提问：“附录B中表3第2行参数‘max_retry_interval’在正文中哪一节被首次约束？其限制条件是否与附录一致？”
若模型仅返回“第八章”，或直接跳过附录定位而凭空编造章节号，说明【中段衰减已发生，不可用于合同/法务类高精度场景】。
这一步必须人工核验原始位置，不能依赖模型自述“根据文档”。
检测跨章节逻辑绑定能力
方法一：显式链路追踪
在Prompt中强制要求模型输出三段式结构：①原文出处（精确到页码+段落编号）；②该句在全文逻辑链中的角色（定义/例外/触发条件/否决条款）；③与前后章节是否存在冲突或补充关系。
方法二：反向扰动验证
将文档中某处关键限制条件（如“仅限Q3前上线版本适用”）手动替换成模糊表述（如“早期版本适用”），再提问相同问题。若模型未指出原文已被修改或无法定位变更点，说明【其内部状态未建立章节间强引用索引】。
评估结构化解析鲁棒性
第一步：上传含多级标题、代码块、横向表格的PDF技术白皮书。
第二步：要求模型提取“所有带‘⚠️警告’图标的段落，并按出现顺序列出其关联的配置参数名”。
第三步：比对输出结果中是否混入页眉、脚注或表格内非警告类文本。
第四步：检查参数名是否保留原始大小写与下划线格式——若自动转为驼峰或删减下划线，说明底层OCR或文本切分模块存在预处理污染。
这一步操作起来很简单，直接把文件拖进去就行，但92%的模型会在第三步漏掉表格内警告图标对应的参数行。
