关于Document AI多页文件上传方式对模型性能影响的咨询

针对你提出的两种多页发票上传方式，训练后的模型性能没有显著差异，具体细节如下：

• 整份文件上传
  Document AI的自定义提取器会自动关联同一文件的所有页面，训练时会将整份发票的上下文（包括跨页信息）作为整体学习。如果部分发票的第二页包含补充性关键信息，这种方式能让模型更好地理解页面间的关联逻辑，但如果第二页信息极少，这种关联带来的性能增益非常有限。

• 拆分单页上传
  只要你保证拆分后的单页能准确对应原发票的上下文（比如给单页标注所属发票的唯一标识），且标注规则和整份上传时完全一致，模型训练时依然能有效学习单页发票的特征，性能不会出现明显下降。你提到的业务场景优势可以正常保留，无需因性能顾虑调整上传方式。

• 核心影响因素
  无论采用哪种上传方式，标注的准确性和一致性才是决定模型性能的关键。比如拆分上传时，要确保第二页的信息点标注完整（如果有关键内容），避免出现标注逻辑混乱的情况。

内容的提问来源于stack exchange，提问作者Yaniv Ben-Malka