使用网页端发现会自动刷新，在输出较长PPT前刷新掉已弄好的大纲且无法返回，导致浪费tokens。遂本地部署，发现在Paper2PPT中，输入文件和输出文件无关，均为关于大模型的一篇文章，一个示例输出为：
[parse_result 解析结果] : [{'title': '论文题目（替换为论文原题）', 'layout_description': '一页仅包含标题信息：页面居中大标题为论文题目；下方居中小一号字体显示作者姓名、单位及汇报人信息；页面其他区域留白，不添加任何正文内容。', 'key_points': ['论文题目', '作者姓名与单位', '汇报人：XXX', '日期：XXXX年XX月XX日'], 'asset_ref': None}, {'title': '报告提纲', 'layout_description': '上方放标题，下方采用两栏或项目符号列表形式，居中展示本次汇报的主要结构模块。', 'key_points': ['研究背景与问题定义', '相关工作', '研究方法 / 模型结构', '实验设计与数据集', '实验结果与分析', '结论与未来工作'], 'asset_ref': None}, {'title': '研究背景（Ⅰ）', 'layout_description': '左侧为文字要点，右侧预留插图区域（若论文有背景示意图或场景示例，可放置），图下简短说明。', 'key_points': ['研究所处的应用/理论背景介绍（例如：某领域中的关键问题或瓶颈）。', '当前领域的重要性和实际应用价值。', '该问题在学术界和工业界受到关注的原因。'], 'asset_ref': None}, {'title': '研究背景（Ⅱ）：现有问题', 'layout_description': '上方简要文字说明背景延续；下方分左右两栏，左栏列出现有方法/现状，右栏列出存在的主要问题和挑战。', 'key_points': ['当前主流方法或典型技术路线的简要概述。', '这些方法在性能、效率、鲁棒性等方面存在的不足。', '现实应用中的痛点问题（如数据需求大、计算成本高、泛化能力差等）。'], 'asset_ref': None}, {'title': '研究动机与目标', 'layout_description': '左侧用项目符号说明研究动机，右侧用流程/概念示意图区域展示“问题→动机→目标”的简化图（若论文中有类似动机图可引用）。', 'key_points': ['针对现有方法不足提出的核心研究动机。', '希望通过本研究解决的关键科学问题或工程问题。', '本工作的总体研究目标与期望达到的效果。'], 'asset_ref': None}, {'title': '问题定义与符号说明', 'layout_description': '上方用一两句话严格给出问题定义；下方居中两栏形式：左栏列出主要符号及含义，右栏列出关键数学公式或形式化表述。', 'key_points': ['形式化给出研究所针对的任务定义（输入、输出、约束）。', '列出论文中反复出现的关键变量和符号含义。', '给出核心优化目标或损失函数的简要表达。'], 'asset_ref': None}, {'title': '相关工作：方法分类', 'layout_description': '左侧列出相关工作的主要类别，用分级项目符号展示（如传统方法、深度学习方法等）；右侧放一个简单示意图或分类结构图区域。', 'key_points': ['对已有研究从方法或应用角度进行分类梳理。', '每一类方法的代表性工作与典型特点。', '指出与本文方法最接近的几类工作。'], 'asset_ref': None}, {'title': '相关工作：优缺点分析', 'layout_description': '采用两列对比布局：左列为“现有方法优点”，右列为“现有方法缺点”，底部一行总结与本文工作的差异。', 'key_points': ['总结主流方法在性能或理论上的优势。', '系统梳理其局限性与约束条件。', '明确本文工作与现有工作的核心区别与创新点所在。'], 'asset_ref': None}, {'title': '本文贡献', 'layout_description': '标题下方居中列出3–5条关键贡献点，每条用简短句子表达；右侧可预留一个小图标示意“创新点”或结构示意区域。', 'key_points': ['提出了XXX新方法 / 新模型，用于解决YYY问题。', '在ZZZ指标上相比基线方法取得明显提升（如精度、效率、鲁棒性等）。', '给出了理论分析或复杂度分析，为方法有效性提供支撑。', '在真实数据集或实际场景中验证了方法的可行性与实用价值。'], 'asset_ref': None}, {'title': '方法整体框架', 'layout_description': '上方为方法框架总览标题，中部大区域放置方法总体结构/流程框架图，左右或下方用简短文字标注关键模块功能。', 'key_points': ['整体方法包含的主要模块及其相互关系。', '从输入到输出的处理流水线描述（数据流、信息流）。', '方法框架如何对应前文提出的研究目标。'], 'asset_ref': 'images/architecture_or_framework.png'}, {'title': '核心方法细节（Ⅰ）：模块A', 'layout_description': '左侧详细列出模块A的输入、输出和关键步骤；右侧放置模块A的结构示意图或流程图区域。', 'key_points': ['模块A的主要功能和在整体框架中的位置。', '关键算法步骤或更新规则说明。', '与传统实现或基线模块的差异点。'], 'asset_ref': None}, {'title': '核心方法细节（Ⅱ）：模块B', 'layout_description': '延续前页布局：左侧项目符号说明模块B的设计思想和实现细节；右侧预留模块B相关结构/流程示意图位置。', 'key_points': ['模块B解决的具体子问题。', '采用的技术手段（如特征提取、模型结构、优化策略等）。', '模块B如何提升整体性能或稳定性。'], 'asset_ref': None}, {'title': '核心方法细节（Ⅲ）：损失函数与训练策略', 'layout_description': '上半部分居中列出关键公式或损失函数；下半部分分两列，左列解释各项含义，右列说明训练策略与超参数设置要点。', 'key_points': ['给出总损失函数或目标函数的数学形式。', '说明各损失项的物理/统计意义及权重设定。', '简述训练流程（如预训练、微调、迭代策略等）。'], 'asset_ref': None}, {'title': '实验设置：数据集与评价指标', 'layout_description': '左侧列出使用的数据集及其规模、来源和划分方式；右侧列出评价指标，并简要给出指标公式或定义。', 'key_points': ['实验所用数据集的基本统计信息与特点。', '训练集、验证集、测试集的划分比例或数量。', '主要评价指标（如Accuracy、F1、BLEU、RMSE等）及其含义。'], 'asset_ref': 'Table_dataset_or_statistics'}, {'title': '实验设置：对比方法与实现细节', 'layout_description': '上方列出对比基线方法列表；下方左右两栏：左栏简述实现细节和环境配置，右栏说明超参数设置与复现实验的关键信息。', 'key_points': ['选取的基线方法或消融变体，并说明选择理由。', '实验平台和实现环境（硬件、软件框架）。', '主要超参数设置（如学习率、batch size、训练轮数等）。'], 'asset_ref': None}, {'title': '主要实验结果（Ⅰ）：总体性能比较', 'layout_description': '上方标题，下方居中大幅放置对比实验结果表格（本文方法 vs 多个基线）；表格下用2–3条文字总结关键结论。', 'key_points': ['本文方法在核心指标上的整体表现优于或接近最优基线。', '在关键数据集或任务上的性能提升幅度。', '统计显著性或稳定性方面的表现（如方差、置信区间）。'], 'asset_ref': 'Table_main_results'}, {'title': '主要实验结果（Ⅱ）：可视化或案例分析', 'layout_description': '左侧放示意图/可视化结果（如曲线图、热力图或案例对比示例），右侧用项目符号解释可视化结果揭示的现象和原因。', 'key_points': ['通过可视化结果展示方法在收敛速度、泛化能力等方面的优势。', '典型案例展示本文方法与基线在输出质量上的差异。', '从可视化中观察到的模型行为和潜在规律。'], 'asset_ref': 'images/visualization_or_case.png'}, {'title': '消融实验与参数分析', 'layout_description': '顶部为标题；中部放置消融实验结果表或折线图；底部两栏分别总结“关键模块贡献”和“参数敏感性分析结论”。', 'key_points': ['去除或替换某些模块后的性能变化，验证各模块的必要性。', '不同超参数设置（如权重系数、网络深度）对结果的影响。', '根据分析结果给出推荐设置或设计经验。'], 'asset_ref': 'Table_ablation_or_param'}, {'title': '总结与展望', 'layout_description': '上半部分用项目符号总结全文工作与主要结论；下半部分列出未来工作方向，以两栏形式呈现“方法改进方向”和“应用扩展方向”。', 'key_points': ['回顾本文提出的方法和核心贡献点。', '总结实验中得到的主要结论与实际意义。', '未来可能的改进方向（如更大规模数据、更复杂模型、跨领域应用等）。'], 'asset_ref': None}, {'title': '致谢', 'layout_description': '整页简洁布局：标题居上居中，下方用一到两个段落或项目符号列出对基金项目、合作单位和导师/同事的感谢。', 'key_points': ['感谢项目基金或资助机构。', '感谢所在实验室、合作单位的支持。', '感谢导师、同事及家人的帮助与鼓励。'], 'asset_ref': None}]
查找了一下，不知道为什么输入的文件会在Paper2Any\outputs\default\paper2ppt\1772547994\input\input.pdf中，不太清楚问题出在什么地方，求指点。
使用网页端发现会自动刷新，在输出较长PPT前刷新掉已弄好的大纲且无法返回，导致浪费tokens。遂本地部署，发现在Paper2PPT中，输入文件和输出文件无关，均为关于大模型的一篇文章，一个示例输出为：
[parse_result 解析结果] : [{'title': '论文题目（替换为论文原题）', 'layout_description': '一页仅包含标题信息：页面居中大标题为论文题目；下方居中小一号字体显示作者姓名、单位及汇报人信息；页面其他区域留白，不添加任何正文内容。', 'key_points': ['论文题目', '作者姓名与单位', '汇报人：XXX', '日期：XXXX年XX月XX日'], 'asset_ref': None}, {'title': '报告提纲', 'layout_description': '上方放标题，下方采用两栏或项目符号列表形式，居中展示本次汇报的主要结构模块。', 'key_points': ['研究背景与问题定义', '相关工作', '研究方法 / 模型结构', '实验设计与数据集', '实验结果与分析', '结论与未来工作'], 'asset_ref': None}, {'title': '研究背景（Ⅰ）', 'layout_description': '左侧为文字要点，右侧预留插图区域（若论文有背景示意图或场景示例，可放置），图下简短说明。', 'key_points': ['研究所处的应用/理论背景介绍（例如：某领域中的关键问题或瓶颈）。', '当前领域的重要性和实际应用价值。', '该问题在学术界和工业界受到关注的原因。'], 'asset_ref': None}, {'title': '研究背景（Ⅱ）：现有问题', 'layout_description': '上方简要文字说明背景延续；下方分左右两栏，左栏列出现有方法/现状，右栏列出存在的主要问题和挑战。', 'key_points': ['当前主流方法或典型技术路线的简要概述。', '这些方法在性能、效率、鲁棒性等方面存在的不足。', '现实应用中的痛点问题（如数据需求大、计算成本高、泛化能力差等）。'], 'asset_ref': None}, {'title': '研究动机与目标', 'layout_description': '左侧用项目符号说明研究动机，右侧用流程/概念示意图区域展示“问题→动机→目标”的简化图（若论文中有类似动机图可引用）。', 'key_points': ['针对现有方法不足提出的核心研究动机。', '希望通过本研究解决的关键科学问题或工程问题。', '本工作的总体研究目标与期望达到的效果。'], 'asset_ref': None}, {'title': '问题定义与符号说明', 'layout_description': '上方用一两句话严格给出问题定义；下方居中两栏形式：左栏列出主要符号及含义，右栏列出关键数学公式或形式化表述。', 'key_points': ['形式化给出研究所针对的任务定义（输入、输出、约束）。', '列出论文中反复出现的关键变量和符号含义。', '给出核心优化目标或损失函数的简要表达。'], 'asset_ref': None}, {'title': '相关工作：方法分类', 'layout_description': '左侧列出相关工作的主要类别，用分级项目符号展示（如传统方法、深度学习方法等）；右侧放一个简单示意图或分类结构图区域。', 'key_points': ['对已有研究从方法或应用角度进行分类梳理。', '每一类方法的代表性工作与典型特点。', '指出与本文方法最接近的几类工作。'], 'asset_ref': None}, {'title': '相关工作：优缺点分析', 'layout_description': '采用两列对比布局：左列为“现有方法优点”，右列为“现有方法缺点”，底部一行总结与本文工作的差异。', 'key_points': ['总结主流方法在性能或理论上的优势。', '系统梳理其局限性与约束条件。', '明确本文工作与现有工作的核心区别与创新点所在。'], 'asset_ref': None}, {'title': '本文贡献', 'layout_description': '标题下方居中列出3–5条关键贡献点，每条用简短句子表达；右侧可预留一个小图标示意“创新点”或结构示意区域。', 'key_points': ['提出了XXX新方法 / 新模型，用于解决YYY问题。', '在ZZZ指标上相比基线方法取得明显提升（如精度、效率、鲁棒性等）。', '给出了理论分析或复杂度分析，为方法有效性提供支撑。', '在真实数据集或实际场景中验证了方法的可行性与实用价值。'], 'asset_ref': None}, {'title': '方法整体框架', 'layout_description': '上方为方法框架总览标题，中部大区域放置方法总体结构/流程框架图，左右或下方用简短文字标注关键模块功能。', 'key_points': ['整体方法包含的主要模块及其相互关系。', '从输入到输出的处理流水线描述（数据流、信息流）。', '方法框架如何对应前文提出的研究目标。'], 'asset_ref': 'images/architecture_or_framework.png'}, {'title': '核心方法细节（Ⅰ）：模块A', 'layout_description': '左侧详细列出模块A的输入、输出和关键步骤；右侧放置模块A的结构示意图或流程图区域。', 'key_points': ['模块A的主要功能和在整体框架中的位置。', '关键算法步骤或更新规则说明。', '与传统实现或基线模块的差异点。'], 'asset_ref': None}, {'title': '核心方法细节（Ⅱ）：模块B', 'layout_description': '延续前页布局：左侧项目符号说明模块B的设计思想和实现细节；右侧预留模块B相关结构/流程示意图位置。', 'key_points': ['模块B解决的具体子问题。', '采用的技术手段（如特征提取、模型结构、优化策略等）。', '模块B如何提升整体性能或稳定性。'], 'asset_ref': None}, {'title': '核心方法细节（Ⅲ）：损失函数与训练策略', 'layout_description': '上半部分居中列出关键公式或损失函数；下半部分分两列，左列解释各项含义，右列说明训练策略与超参数设置要点。', 'key_points': ['给出总损失函数或目标函数的数学形式。', '说明各损失项的物理/统计意义及权重设定。', '简述训练流程（如预训练、微调、迭代策略等）。'], 'asset_ref': None}, {'title': '实验设置：数据集与评价指标', 'layout_description': '左侧列出使用的数据集及其规模、来源和划分方式；右侧列出评价指标，并简要给出指标公式或定义。', 'key_points': ['实验所用数据集的基本统计信息与特点。', '训练集、验证集、测试集的划分比例或数量。', '主要评价指标（如Accuracy、F1、BLEU、RMSE等）及其含义。'], 'asset_ref': 'Table_dataset_or_statistics'}, {'title': '实验设置：对比方法与实现细节', 'layout_description': '上方列出对比基线方法列表；下方左右两栏：左栏简述实现细节和环境配置，右栏说明超参数设置与复现实验的关键信息。', 'key_points': ['选取的基线方法或消融变体，并说明选择理由。', '实验平台和实现环境（硬件、软件框架）。', '主要超参数设置（如学习率、batch size、训练轮数等）。'], 'asset_ref': None}, {'title': '主要实验结果（Ⅰ）：总体性能比较', 'layout_description': '上方标题，下方居中大幅放置对比实验结果表格（本文方法 vs 多个基线）；表格下用2–3条文字总结关键结论。', 'key_points': ['本文方法在核心指标上的整体表现优于或接近最优基线。', '在关键数据集或任务上的性能提升幅度。', '统计显著性或稳定性方面的表现（如方差、置信区间）。'], 'asset_ref': 'Table_main_results'}, {'title': '主要实验结果（Ⅱ）：可视化或案例分析', 'layout_description': '左侧放示意图/可视化结果（如曲线图、热力图或案例对比示例），右侧用项目符号解释可视化结果揭示的现象和原因。', 'key_points': ['通过可视化结果展示方法在收敛速度、泛化能力等方面的优势。', '典型案例展示本文方法与基线在输出质量上的差异。', '从可视化中观察到的模型行为和潜在规律。'], 'asset_ref': 'images/visualization_or_case.png'}, {'title': '消融实验与参数分析', 'layout_description': '顶部为标题；中部放置消融实验结果表或折线图；底部两栏分别总结“关键模块贡献”和“参数敏感性分析结论”。', 'key_points': ['去除或替换某些模块后的性能变化，验证各模块的必要性。', '不同超参数设置（如权重系数、网络深度）对结果的影响。', '根据分析结果给出推荐设置或设计经验。'], 'asset_ref': 'Table_ablation_or_param'}, {'title': '总结与展望', 'layout_description': '上半部分用项目符号总结全文工作与主要结论；下半部分列出未来工作方向，以两栏形式呈现“方法改进方向”和“应用扩展方向”。', 'key_points': ['回顾本文提出的方法和核心贡献点。', '总结实验中得到的主要结论与实际意义。', '未来可能的改进方向（如更大规模数据、更复杂模型、跨领域应用等）。'], 'asset_ref': None}, {'title': '致谢', 'layout_description': '整页简洁布局：标题居上居中，下方用一到两个段落或项目符号列出对基金项目、合作单位和导师/同事的感谢。', 'key_points': ['感谢项目基金或资助机构。', '感谢所在实验室、合作单位的支持。', '感谢导师、同事及家人的帮助与鼓励。'], 'asset_ref': None}]
查找了一下，不知道为什么输入的文件会在Paper2Any\outputs\default\paper2ppt\1772547994\input\input.pdf中，不太清楚问题出在什么地方，求指点。