LaTeX 编译：大语言模型时代的挑战
计算与语言
2026-03-12 v4
摘要
随着大语言模型（LLM）日益增多地帮助科学写作，TeX 的局限性以及显著的 token 成本在逐渐受到关注。本文分析了 TeX 在编译和用户体验设计中的根本缺陷，以阐明其在大语言模型时代在编译效率、生成语义、错误定位和工具生态系统方面的局限性。作为一种替代方案，介绍了 Mogan STEM，这是一种 WYSIWYG 结构编辑器。通过其高效的数据结构、快速渲染和按需插件加载，Mogan 在上述方面超越了 TeX。开展了大量实验以验证在编译/渲染时间和 LLM 任务中的性能优势。此外，我们展示了由于 Mogan 的较低信息熵，使用 .tmu（Mogan 的文档格式）来微调大语言模型比 TeX 更高效。因此，我们呼吁对使用 .tmu 格式进行大规模实验进行 LLM 训练。
引用
@article{arxiv.2603.02873,
title = {LaTeX Compilation: Challenges in the Era of LLMs},
author = {Tianyou Liu and Ziqiang Li and Xurui Liu and Yu Wu and Yansong Li},
journal= {arXiv preprint arXiv:2603.02873},
year = {2026}
}
备注
25 pages, 12 figures