[📪정보] gemini2.5가 pdf를 읽는 방식이 중요한 문제인 이유

[et(evgz6v8f9z)]

gemini2.5pro는 pdf를 사진처럼 읽는데, pdf의 구조가 복잡할때는 강력한 힘을 발휘함.

그런데, pdf의 내용을 100% 완벽하게 인용해야하는 경우에는 문제가 생김.

20x20격자에 숫자를 집어넣고, pdf로 저장했음. pdf는 400개의 텍스트를 포함하고 있기 때문에 gpt와 gemini모두 읽을 수 있음.

저 숫자들의 합은 19295임.

1. o4mh

정확하게 계산함.

생각과정을 보면 20x20의 표인것도 이해했고, 그 안의 숫자까지 전부 정확하게 인용함.

2. 2.5pro

문제는 2.5pro인데

일단 답을 틀렸음.

pdf를 '이미지'로 읽었는데, 1행 합계를 876으로 계산함. 하지만 실제 합계는 776임.

어떤 행은 정확히 합을 구했지만, 그렇지 못한 행들도 있음.

3. 결론

AI를 다룰때는 AI의 특성을 정확히 이해하고, 그 특성에 맞게 활용하는 것이 중요함.

물론 이것을 사용자 문제로 돌릴 수는 없겠지만, 내 작업에 대한 책임은 자신에게 있기에 항상 AI의 한계를 잘 숙지하고 있어야함.

[익명(110.15)]

유료버전으로 가면 pdf도 gpt가 더 잘읽네? 무료에선 병신이라 제미나이만 썼는데

[et(evgz6v8f9z)]

꼭 그런건 아님. gpt는 pdf에 그림이 있으면 못읽음.

[익명(novel1295)]

PDF말고 엑셀 파일로 올리면?

[et(evgz6v8f9z)]

엑셀, 시트 둘다 못 읽네요.

[익명(code5513)]

문자와 그림 표를 구분하는 능력이 있으면 좋을텐데

[ailover(photo7512)]

그니까는. 아마 제미나이가 이미지 통째로 인식시키는걸 목표로 하는거 같은데... 테슬라 처럼.

[et(evgz6v8f9z)]

제미나이가 방향성을 맞는데, 아직 수준이 충분히 올라오진 못한것 같네요.

[살충제(litsae)]

그림있는 pdf는 gpt, 글만 있는 pdf는 제미니 먹이면 되는건가

[et(evgz6v8f9z)]

반대로 이용하는게 더 좋을것 같네요.

[Moonchild(resolve0716)]

[ㅇㅇ 1(220.93)]

님 말대로 pdf 텍스트로 변환해서 먹이니 환각 사라짐. ㄳㄳ

[et(evgz6v8f9z)]

다행이네요

[초존도초(htr3c654r6ft)]

아.. 시발 개추 - 2025 AGI

[익명(preach5494)]

gemini는 pdf를 이미지처럼 그리드로 나눠서 인식함

[et(evgz6v8f9z)]

혹시 제가 참고할만한 사이트가 있을까요?

[익명(preach5494)]

@et
Gemini models process PDFs with native vision, and are therefore able to understand both text and image contents inside documents.
https://ai.google.dev/gemini-api/docs/document-processing?lang=python
colpali처럼
이미지/pdf/문서 등을 그리드로 나누고, 이를 임베딩 해서 이용하는 걸로 알고있음
https://medium.com/@shashankvats/colpali-explained-bridging-the-gap-between-text-and-visual-content-d3dad7ac01f0

[et(evgz6v8f9z)]

이미지 정확도가 100%가 되기전까지는 제한적인 용도로 써야겠네요.

[익명(preach5494)]

@et 니가 테스트한 작업이 모델 성능을 너무 과소평가하는 거라고 생각함 colpali가 multimodal rag에도 쓰이는데 이게 기존 rag보다 아마 필요한 저장용량 같은 건 더 차지해도 전반적으로 성능이 좋다고 하고 gemini 모델들 문서 이해도는 여타 모델들보다 좋다는 게 중론이라. 평가할 때 니가 직접 활용할 문서를 넣어보셈.

[et(evgz6v8f9z)]

사실 2.5pro가 유독 pdf(텍스트로 구성된 자료임에도 불구하고)에서 환각을 많이 일으키길래 저런 실험을 한거였거든요. 제가 실제로 쓰는 자료는 숫자가 400개까진 아닌데, 단순히 pdf안의 표를 텍스트로 옮기는 작업임에도 불구하고 숫자를 너무 많이 틀리더라구요. 2.5pro가 pdf를 종합적으로 이해하는 능력은 뛰어나지만, 섬세한 작업에는 도움이 안되는것 같습니다.

[et(evgz6v8f9z)]

문과계열 사용자에게는 그래도 큰 도움이 될 것 같네요.

[익명(kime5000)]

개에에추 - dc App

[Burkan(bongwon7150)]

각 방식 장단점이 있는 거 같은데 그냥 두 방법 다 쓰게 하면 안되나ㅋㅋㅋ

[용기사를제구전으로(1983dlgustn)]

덕분에 알아간다

[익명(peel0879)]

아 이래서 지엽적인 시험 대비할려고 프롬포트 짰을 때 자꾸 몇 개씩 빼먹는 현상이 이거 때문이였군

[ㅇㅇ 2(180.182)]

제미니가 계속 글 읽는거 찐빠내긴 하도라

[ㅇㅇ 3(221.166)]

이거 텍스트 문자수도 추론못함