事件专题 ·多源确认

LlamaIndex 发布 ParseBench-2 文档解析基准,3 天下载量破 3 万

LlamaIndex 发布 ParseBench-2,定位为最细粒度的文档解析评估基准,上线 3 天月下载量达 30k,登上 Hugging Face trending 榜第 3。基准覆盖 4.3k+ 文档页,比 ParseBench-1 翻倍,并新增表单(forms)维度,对 330+ 种错误类型逐一标注严重度分数,再据此校准每项指标,使分数与人工判断对齐。 与现有基准相比,ParseBench-2 避开了两条路线的缺陷:OmniDocBench 依赖脆弱的确定性指标,ParseArena 的 LLM-as-a-judge 则粗糙、随机且受提示词和模型偏差影响。上一代 ParseBench 已有 50k+ 月下载量、测评过 150+ 个 OCR 方案,被 NVIDIA、Cohere、Perplexity、Aleph Alpha 采用,发布后团队已合并数十个社区 PR,持续修复标注和指标问题。 同期发布的还有 OCRia-1.5 文档解析模型家族,驱动 LlamaParse 全部解析模式,在复杂表格、表单、图表、版式和 bounding box 标注上达到当前最优水平。对需要在生产环境做文档处理的团队来说,可以按需挑选关心的指标子集直接接入。

当前结论

做 RAG 或文档处理的可以看看,LlamaIndex 这套基准把 330 多种解析错误按严重度打分,比 OmniDocBench 和 LLM 评委那套更贴近人工判断。顺手还发了 OCRia-1.5 模型,表格表单解析明显升级,已经接入 LlamaParse 可以直接试用。

11 个信源56° AI 热度最后更新 2026/11/15 17:31:13

证据链

11 个信源
相关来源 4Mira Murati (TML)
查看原文
相关来源 5Soumith Chintala (PyTorch)
查看原文

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。