加载失败
arXiv 自 2023 年起推出实验性 HTML 渲染，目标是用更语义化的网页格式改善无障碍（屏幕阅读器、放大、移动端）并方便与浏览器扩展和 LLM 工具链交互。实现路径主要基于 LaTeXML——把 LaTeX 源转为语义 XML，再通过 XSLT 生成 HTML，但 TeX 的宏可扩展性和大量学术包导致覆盖与保真挑战。社区维护的替代项目如 ar5iv 和 arxiv-vanity 提供了不同的渲染实现与展示方式，且改进多依赖开发者时间与用户问题反馈。讨论还将话题延伸到数学公式渲染（MathML、SVG）、格式与渲染分离（PDF/EPUB/语义 HTML）以及 LLM 在文档理解中可能带来的长期影响与风险。
许多评论认为 HTML 相比 PDF 在无障碍（a11y）和日常交互上有明显优势：浏览器生态支持翻译、注释、朗读、放大和把选中文本发送给 LLM 的扩展，极大方便阅读与二次处理。语义化的 HTML 能暴露结构化信息给屏幕阅读器和辅助技术，从而改善视力受限或依赖文本转语音用户的体验。社区普遍欢迎 arXiv 推出的实验性 HTML（自 2023 年起）并鼓励读者在遇到渲染缺陷时提交问题，以便快速迭代改进。
评论反复指出把海量且高度可扩展的 TeX/LaTeX 源自动转换为高保真 HTML 是核心难题：约 90% 的投稿为 TeX，宏和包的种类繁多，导致转换工具在覆盖率和保真度上频繁出错。LaTeXML 被视为目前主力的转换工具，但开发者时间不足、少见宏或自定义排版常常造成图像比例错误、颜色异常或作者列表排版混乱等具体问题。多位作者抱怨必须编写回退宏且无法在本地忠实模拟 arXiv 的渲染流程，社区问题收集（如 GitHub issues）成为现实改进路径。
数学公式的语义与可伸缩排版远比普通文本复杂，评论指出单靠扩展 Unicode 或字体替换难以实现分数线、可伸缩括号和复杂对齐等排版需求。浏览器端的选项包括 MathML 或把公式先转为 MathML/SVG，但 SVG 虽能保真却会丢失语义（影响复制粘贴和可访问性），MathML 在兼容性与转换管线上仍有挑战。此外许多工具与模型以 LaTeX 为事实标准，训练数据和工程实践使得 LaTeX 在纯数学表达上短期内仍难被替代，讨论集中在 LaTeX->MathML 转换与改进字形/排版引擎的可行折衷方案。
评论围绕是否应把论文的语义内容与具体渲染彻底分离展开：有人主张保存语义化内容层（摘要、章节、公式、图表、引用），由查看器用 CSS/样式生成 PDF 或网页；反对者指出 PDF 在打印与忠实保留作者原始版式时仍有不可替代的价值。EPUB（实质上基于 HTML）被视为更适合阅读器的输出，但要兼顾学术引用、自动编号与作者习惯并不容易。也有提案（如 Typst）试图做一次性面向 PDF 与 HTML 的作者工具，但工具成熟度与社区采纳仍是现实障碍。
讨论列举了可用的实现与社区项目：ar5iv（社区维护的 arXiv HTML 渲染）以及早期的 arxiv-vanity 提供了替代渲染思路，但通常会有时间滞后。arXiv 管线普遍采用 LaTeXML 将 LaTeX 转为语义 XML，再用 XSLT 输出 HTML；这种做法能保留结构化信息但在包支持和视觉保真上仍需人工修正。其他被提及的路径包括用 Pandoc 生成 SVG、输出 EPUB 或把源作为 XML + XSLT 来维护多目标输出，但每种方案在可维护性、语义保留与作者负担上存在折衷。
部分评论抱有乐观观点，认为当大型视觉/理解模型（VL LLMs）能稳定解析文档时，底层文件格式的重要性会降低，模型可以从 PDF/HTML/图片中重构结构化摘要、数据库或多媒体输出。对立观点强调当前模型在信息抽取的可验证性、准确率与安全性上仍有局限，尤其在医疗或关键决策场景下不能单靠模型保证完整与无误。讨论同时注意到尽管一些 LLM 服务对 PDF 支持已提升，但把长期存档、引用准确性和可审计性交由黑箱模型仍存在明显风险。
LaTeX / TeX: 基于 TeX 的学术排版系统，广泛用于数学、物理等论文写作；其宏系统高度可扩展且可在运行时重写，给自动转换与解析带来复杂性。
LaTeXML: 一个将 LaTeX 源转换为语义 XML/HTML 的工具链，arXiv 等平台用它来生成可访问的 HTML，但对少见宏、包与复杂排版的覆盖存在限制。
MathML: 一种用于在浏览器中描述数学语义与布局的 XML 规范，可以实现可伸缩的数学排版并改善屏幕阅读器支持，是替代图片公式的一条主要路径。
ar5iv: 社区维护的 arXiv HTML 渲染服务（域名 ar5iv.labs.arxiv.org），用于把 arXiv 文章渲染成 HTML，通常与官方渲染存在时间滞后并作为替代或预览。
XSLT: 一种用于把结构化 XML 文档（例如 LaTeXML 生成的语义 XML）转换为 HTML 的样式/变换语言，是当前把语义源渲染为网页的重要环节。
EPUB: 一种基于 HTML/CSS 的电子书格式，支持可重流式阅读，便于在电子阅读器上阅读和注释，常被视为网页与传统 PDF 之外的阅读输出选项。