formula_img2latex/CHANGELOG.md

Änderungsprotokoll

Alle nennenswerten Änderungen an formula_img2latex. Format nach Keep a Changelog, Versionen nach Semantic Versioning (vor 1.0: Nebenversion = möglicher Bruch). Messergebnisse im Einzelnen: FUNKTIONSWEISE.md, Messungen.

[Unreleased]

Alle Formeln eines PDF-Buchs, auch im Fließtext, und etwa dreimal schneller.

Neu

• Formeln im Fließtext über pdf2md --formulas (Nachbarprojekt): Die Formelerkennung von pix2text (MFD) findet jede Formel auf der Seite, auch in Merkkästen; pdf2md schneidet sie zeichengenau aus (300 dpi) und vermerkt Seite, Rechteck und PDF-Text in formulas-*.json. formula_img2latex liest die Liste (sources/pdf2md.listed). Corral, Stichprobe 10 % von 9239 Formeln: 79 % automatisch (im Text 83 %).
• Ein Satzzeichen am Ende einer Formel im Text wird vor dem Vergleich abgetrennt und als Text hinter die Formel gesetzt (final_suffix).
• Normalform: \underset{…}{\lim} = \lim_{…}, Gleichungsnummer am Ende = \tag, \textbf als Fettdruck, \cfrac = \frac, wörtliches \n aus Modellantworten entfällt.
• Schalter pdftext (aus): Die PDF-Textebene einer flachen Formel darf pix2text bestätigen.
• LICENSE (MIT) und FUNKTIONSWEISE.md (Aufbau, Datenfluss, Designentscheidungen, Grenzen).

Geändert

• Tempo (Pilot 869 Formeln: 70 → ~24 Minuten): Markdown-Verweise und Ausschnitte nur einmal lesen (crops/); pix2text gebündelt nach Pixelbudget auf der freiesten GPU, einmal geladen; Lesen und Prüfen überlappen, die Prüfprozesse starten per forkserver; Qwen mit 8 parallelen Anfragen; pdflatex beim Entscheiden nur, wenn gleiche Bilder möglich sind; kein neuer Scan beim Fortsetzen; je Paket nur dessen Datensätze laden; Zeiten je Stufe in der Statuszeile.
• Bildprüfung: Originale höchstens 1600 px breit, über 2,5 MP nicht verglichen, Lesarten mit mehr als 2,5-fach falschen Proportionen sofort abgelehnt (einzelne Formeln hielten den Lauf über 10 Minuten auf).
• Dokumentation nach dem Projektstandard gegliedert: README knapp mit Abschnitt „Documentation“, Bedienungsanleitung mit Konfiguration, Betrieb und Fehlersuche, Hintergrund und Messungen in FUNKTIONSWEISE.md.
• Hilfetexte der Kommandozeile beschreiben die Regel p2t statt des Pixelvergleichs; Cloud-Standard z-ai/glm-4.6v statt google/gemini-2.5-flash.

Behoben

• requirements.txt enthält requests (von den Modell-Engines benötigt).

Gemessen und verworfen: PDF-Textebene als Bestätigung (12 von 319 widersprachen Qwen), pix2texts eigene Sicherheit (Fehler auch bei 1,0), Qwen3-VL-8B (nicht schneller, etwas schlechter).

Beim Update zu tun

• pip install -r requirements.txt.
• Qwen-Server mit --parallel 8 -c 32768 neu starten (BEDIENUNGSANLEITUNG, Abschnitt 2).
• Für Formeln im Fließtext: aktuelles pdf2md verwenden und das Buch mit --formulas neu umwandeln.
• Bestehende Arbeitsordner bleiben gültig; Lesarten werden nicht neu gefragt.

[0.4.0] – 2026-10-09

Bessere Normalform: Lesarten, die sich nur in der Schreibweise unterscheiden, gelten als gleich. Göllmann (400 Formeln mit bekannter Lösung, gleiche Lesarten): +17 automatisch, weiterhin 0 falsch.

Neu

• Mehrzeilige Formeln sind gleich bei gleichen Zeilen mit gleichen Zeichen, egal in welchem Rahmen (aligned/gathered/split mit & oder nur \\; cases = \left\{array\right. = \left\{aligned\right.); eine leere letzte Zeile zählt nicht. In Matrizen trennt & weiter Spalten.
• Weitere Gleichsetzungen: \cdot\cdot\cdot und ... = \dots, \root3\of{x} = \sqrt[3]{x}, \left./\right. entfallen.
• Strukturvergleich mit sympy (structure.py, optional, aus): gleicher unausgewerteter Ausdrucksbaum. Einschalten mit structural = 1 bzw. FORMULA_STRUCTURAL=1.
• Bild-Schiedsrichter (verify.image_arbiter, aus): bei „Qwen = Gemma gegen pix2text“ entscheidet der Bildbeleg. Einstellungen arbiter, arbiter_margin.
• Werkzeuge: tools/vergleich_bericht.py (Vorher/Nachher-Seite), tools/buch_bericht.py (Ergebnisseite eines ganzen Buchs), regeltest.py --refresh und --arbiter.

Geändert

• Eine Klammergruppe ist nur Argument, wenn der Befehl noch eines erwartet (t^{2}\,{\sqrt{2}} = t^2\sqrt{2}, \Delta{x_{n}} = \Delta x_n).
• Der Wahrheitsvergleich der Messung nutzt dieselbe Normalform (richtige mehrzeilige Lesarten zählten bisher als falsch).
• Bilder für die Modelle höchstens 1600 Pixel lang.

Behoben

• pix2texts \cfrac wird beim Bereinigen zu \dfrac (Pandoc kennt \cfrac nicht und ließ die Formel als TeX-Text stehen).
• Wörtliches \n in Antworten von Qwen und Gemma wird zu Leerraum (tex.fix_literal_newlines).
• Sehr große Ausschnitte: Qwen lehnte sie ab („400 Bad Request“), eine ganzseitige Abbildung brachte den Bildvergleich zum Absturz.
• Fehlgeschlagene Modellanfragen werden beim nächsten Lauf wiederholt (zählten als „schon gefragt“).

Gemessen und verworfen: Strukturvergleich (nach der neuen Normalform kein Gewinn), Bild-Schiedsrichter (der gemeinsame Fehler \mathcal{E}_r bekam Beleg 7,2), Prompt-Stilvorgabe (keine Verbesserung). Erstes ganzes PDF-Buch: Corral, Elementary Calculus, 1150 Ausschnitte, 429 automatisch (37 %).

Beim Update zu tun

• Nichts Pflichtiges. Prompt-Version bleibt 2, gespeicherte Lesarten bleiben gültig; run rechnet die Entscheidungen mit der neuen Normalform neu.
• Optional für den Strukturvergleich: pip install sympy lark.

[0.3.0] – 2026-10-09

Neue Standardregel p2t: pix2text liest zuerst, Qwen bestätigt, Gemma nur bei Uneinigkeit; GLM (Cloud) wird nicht mehr benutzt. Göllmann Band 1: 86 % / 85 % automatisch, 0 falsch (bisher 78 % / 70 %).

Neu

• pix2text (Formel-OCR MFR 1.5, ONNX) als Engine p2t, im Prozess, auf der GPU mit onnxruntime-gpu (FORMULA_P2T_DEVICE: auto, cpu, cuda:N).
• Regel p2t: übernommen wird pix2texts Lesart, wenn Qwen sie bestätigt oder – nur bei Uneinigkeit gefragt – Gemma. Qwen und Gemma gemeinsam gegen pix2text gehen an einen Menschen.
• calibrate: beliebig viele Engines (--engines), Regel-Tabelle, --reuse ohne Modellabfragen.
• Werkzeuge: tools/zeittest.py, tools/regeltest.py.

Geändert

• pix2text-Ausgabe bereinigt: Leerzeichen mit post_process aus pix2tex, Fettschreibweisen \mathrm{\boldmath~ x ~} → \boldsymbol{x}. An 400 Lesarten geprüft: gleiches gesetztes Bild.
• Normalform: \operatorname{l i m} = \lim, \ddot{u} in Text = ü, ^{\prime} = ', abschließendes \\ vor \end, \begin{array}[t], \mathop{…}.

Beim Update zu tun

• pix2text installieren: pip install "pix2text[multilingual]", pip install --no-deps pix2tex munch, für die GPU pip uninstall -y onnxruntime && pip install onnxruntime-gpu.
• Bestehende Arbeitsordner: run erneut aufrufen; pix2text liest nach, Qwen-Lesarten bleiben gültig.
• Wer die Regel mit GLM behalten will: "consensus_rule": "vlm3" in workspace.json.

[0.2.0] – 2026-10-07

Entscheider ist der Konsens dreier Bildmodelle statt eines Pixelvergleichs. Gehrke-Brückenkurs: 942 von 1505 automatisch (63 %), 62 von 62 geprüften korrekt.

Neu

• Konsens: Qwen3-VL-30B-A3B (lokal) = Gemma-4-26B-A4B (lokal) = GLM-4.6V (OpenRouter); Pandoc muss die Formel umsetzen; grobes Bild-Veto (elastischer Vergleich, Ähnlichkeit ≥ 0,65).
• consensus.py: Normalform auf Baumbasis und Render-Gleichheit als Rückfallebene.
• Zweite lokale Engine local2; Token-Wahrscheinlichkeiten aus Logprobs.
• run in Paketen zu 50 mit Statuszeile; calibrate --consensus; tools/vergleich.py, tools/konsens_bericht.py.
• apply: deutsches Dezimalkomma 3{,}6.

Geändert

• Nachdenken der Modelle abgeschaltet (Gemma ~10× schneller, GLM besser und ~25× billiger); Antworten auf 800 Tokens begrenzt; Prompt fragt ausdrücklich nach Fettdruck.
• Elastischer Bildvergleich (DTW über Spalten und Zeilen, Dehnen kostet proportional zur Tinte).
• Geprüft wird nur die übernommene Lesart; Prüfergebnisse tragen eine Verfahrensversion.

Behoben

• Gleichungsnummern wurden aus alten, verworfenen Lesarten übernommen (erfundene „(3.7)“).
• Gleichzeitiges Speichern zweier Engines; Absturz bei Formeln ohne aktuelle Lesart.

Beim Update zu tun

• Zwei llama.cpp-Server starten (Qwen auf Port 8011, Gemma auf Port 8012) und Gemma laden (BEDIENUNGSANLEITUNG, Abschnitte 1 und 2); OPENROUTER_API_KEY setzen.
• Arbeitsordner aus 0.1.0: Standard ist jetzt der Konsens; den alten Entscheider behält "decide": "pixel" in workspace.json.

[0.1.0] – 2026-10-07

Erstveröffentlichung: scan, recognize (ein Bildmodell), verify mit Pixelvergleich und Kontrasttest gegen Verwechslungsvarianten, Review-Galerie, apply/revert, calibrate. Sicher (0 Falsch-Annahmen), aber an echten Büchern nur 1–2 % automatisch.