DeepResearch 可能会忽略或未充分利用查询中的图片或 PDF，原因包括处理非文本格式的技术限制、解释非结构化内容的挑战以及系统设计优先级。虽然该平台可以有效地分析文本，但处理多媒体或文档格式通常需要额外的步骤，这些步骤可能尚未完全集成或优化。让我们将其分解为三个关键因素。
1. 文件处理的技术限制 DeepResearch 主要依赖于基于文本的分析，因此图片和 PDF 需要预处理以提取可用数据。例如，图片需要光学字符识别 (OCR) 将视觉文本转换为机器可读形式，而 PDF 可能需要解析以将文本与表格或图片等布局元素分离。如果 OCR 引擎难以处理低分辨率图片、非常规字体或复杂的 PDF 布局（例如多栏科学论文），关键信息可能会丢失或被误读。此外，包含扫描页（无嵌入文本层）的 PDF 被视为图片，这加剧了问题。这些技术障碍可能导致数据提取不完整，从而使系统优先处理分析更可靠的文本输入。
2. 内容结构和相关性 即使文件得到处理，如果内容结构与系统预期不符，DeepResearch 可能也无法充分利用它。例如，包含嵌入图表或示意图的 PDF 可能缺乏解释其重要性的文本上下文，这使得模型难以将视觉数据与查询意图关联起来。同样，没有附带标签或说明的流程图图片可能会被忽略，因为系统无法推断元素之间的关系。如果文件不包含与查询直接相关的关键词或模式，平台也可能降低其优先级。例如，包含切题部分的科研论文 PDF 可能导致系统只关注与已知术语匹配的文本片段，而忽略相关的图表或方程式。
3. 系统设计和优先级 DeepResearch 的架构可能会优先考虑速度和可扩展性，而不是详尽的文件分析。处理大型 PDF 或高分辨率图片可能需要大量的计算资源，导致系统截断或跳过部分内容以维持响应时间。安全限制也可能发挥作用：文件可能会经过清理以阻止恶意代码，从而意外删除合法内容。对于开发者而言，这意味着系统可能偏爱易于解析的文本输入，避免处理图片中的手写笔记或密码保护的 PDF 等边缘情况。虽然未来的更新可能会改善文件处理，但当前在性能、成本和准确性之间的权衡通常导致非文本输入的利用不充分。
总而言之，这些限制源于特定格式处理中的不足、解释非结构化或模糊内容的挑战，以及优先考虑文本可靠性而非多媒体复杂性的设计选择。开发者应预处理文件（例如，提取文本、简化布局）以使其与系统的能力相符。