ParseBench-2擴充文件解析評測方法與限制
先了解這件事
2026年11月12日,LlamaIndex推出ParseBench-2文件解析基準,採用按錯誤嚴重程度校準的確定性指標,令評分更貼近人工判斷。當時公佈的資料集有4.3k個案例,涵蓋文字、表格、格式、圖表、版面及表單六個維度,並納入330多種錯誤類型;資料集、評測程式碼及評分準則亦已公開。在41組配置中,LlamaParse Agentic Plus以89.8分排名第一。11月18日,LlamaIndex評比2026年OCR模型的表格處理能力,稱4B的OCRia-1在ParseBench表格維度得分91.5,並表示專用文件解析器較適合表格、圖表和複雜結構文件。11月20日的新報道補充,基準包含4,317個頁面案例,六個測試套件涵蓋330種錯誤及良性變化;Metric Lab讓用戶調整維度權重、錯誤嚴重度及錯誤分類。作者提醒,符合預設政策不代表評分符合所有用戶的判斷,也不能證明基準可泛化至未見文件。
AI 根據報道生成 · 2 小時前更新
事件進展
3 個進展
- 11月20日 01:48 · 1 篇報道ParseBench-2 對齊人類錯誤嚴重度LlamaIndex:產品、工程與評測:ParseBench-2 如何建立文件解析評測基準
- 11月18日 23:24 · 1 篇報道OCR 模型表格處理能力排名LlamaIndex:產品、工程與評測:LlamaIndex 排名 2026 年 OCR 模型,聚焦表格處理能力
- 11月12日 17:15 · 1 篇報道LlamaIndex 推出 ParseBench-2 文件解析基準LlamaIndex:產品、工程與評測:LlamaIndex 推出 ParseBench-2 文件解析基準
報道時間線
沿着報道,瞭解事件的不同側面。
- LlamaIndex:產品、工程與評測ParseBench-2 如何建立文件解析評測基準
ParseBench-2 將文件解析評測分為六個維度,並透過嚴重程度政策設定不同錯誤對分數的影響。六個測試套件涵蓋330種錯誤及良性變化,基準包含4,317個頁面案例。Metric Lab 允許用戶調整維度權重、錯誤嚴重度及錯誤分類;作者指出,符合預設政策不代表評分與所有用戶的判斷一致,也不能證明可泛化至未見文件。
- LlamaIndex:產品、工程與評測LlamaIndex 排名 2026 年 OCR 模型,聚焦表格處理能力
LlamaIndex 評比 2026 年 OCR 模型的表格處理能力,稱 4B 的 OCRia-1 在 ParseBench 表格維度得分 91.5,專用文件解析器較適合表格、圖表和複雜結構文件。
- LlamaIndex:產品、工程與評測LlamaIndex 推出 ParseBench-2 文件解析基準
LlamaIndex 推出 ParseBench-2 文件解析基準,以按錯誤嚴重程度校準的確定性指標,令評分更貼近人工判斷。資料集由 2.1k 擴至 4.3k 個案例,涵蓋文字、表格、格式、圖表、版面及表單六個維度,並納入 330 多種錯誤類型。資料集、評測程式碼及評分準則已公開;在 41 組配置中,LlamaParse Agentic Plus 以 89.8 分排名第一。
本事件熱度走勢
當前熱度 10·可比範圍峯值 10(11月20日 02:00)·近 24 小時可比範圍變化 +8%
趨勢僅比較持續完整觀測到的相同主體,範圍可能小於當前熱度統計。移動指針或點擊圖表查看每小時熱度;鍵盤可用左右方向鍵切換。