[Feature]We need a more powerful Markdown document chunking feature for handling complex scientific papers

Markdown 结构分块存在表格 / 公式被切断、标题上下文丢失、句子分割误判等多处缺陷

桌面设备

• 操作系统：Windows
• 浏览器：谷歌浏览器（Chrome）
• Easy Dataset 版本：最新版 使用模型
• 模型提供商：deepseek
• 模型名称：例如 DeepSeek V4-pro

复现步骤

1. 进入文件处理页面。
2. 上传 markdown 文档并且进行智能分块（选择 markdown 结构分块）。
3. 在智能分割的 box 里查看分块。 可以看到如下情况：

• 表格被任意拆分 — 逐页翻看可见，无表格检测，表格被 \n\n 分段切断
• LaTeX 公式被破坏 — 无 $...$ / $$...$$ 检测，句子分割正则在公式中的 . 处错误截断
• 可能产生空块 — 污染后续工作流
• 标题上下文丢失 — 长段被拆分后，Part 2+ 没有标题，变成"孤儿块"
• 累积逻辑缺陷 — 小段落被"卡住"，末尾残余可能低于设置的最短分割大小 minLength
• 句子分割过于简单 — 正则 /[^.!?。！？]+[.!?。！？]+/g 在小数、缩写、代码中误断

预期结果 对于各个专业垂直领域的文献，特别是结构和构成元素复杂的文献（包含多个特殊符号、表格、各种公式块，甚至代码块），能够得到最好的分割效果，并且有多维度、合理的评分体系对每个分块做出质量评分，能快速导航到所有文本块中分割效果最差/短/长的块，方便自主优化，且支持：

• 自定义编辑/删除分块内容
• 向相邻分块合并
• 自主拆分块
• 重评分与重新统计 -再根据重评分与统计导航低分/过长/过短分块循环优化，最终使得每一个分块长短适宜、标题上下文清晰、语义完整，表格、公式、列表等不被切断，得到适合于 RAG 或者微调数据集构建的高质量的文本分块。

截图 无

其他相关信息 对于用于生成数据集的文本块来说，其最终被喂给大模型时的质量非常重要，而现在的几个分块模块还是过于粗糙，自定义分块模式功能也比较单一，且操作中易卡顿，针对上述问题，我已在原项目分割方案——文档结构分块（Markdown）的基础上开发了新模块解决并且提交 PR。