Jerry Liu(@jerryjliu0)

Today we’re introducing ParseBench-2 - our most ambitious document parsing benchmark to date. It is...

8.5内容质量

TL;DR · AI 摘要

ParseBench-2是首个将330+文档解析错误类型与人类判断对齐的基准,包含4300+文档页面和新增表单维度,同时发布OCRia-1.5模型。

核心要点

  • ParseBench-2包含4300+文档页面,错误类型达330+,并新增表单解析维度
  • OCRia-1.5模型在复杂表格/表单解析上达到SOTA水平
  • 基准已被NVIDIA、Cohere等150+OCR解决方案厂商采用

结构提纲

按章节快速跳转。

  1. §ParseBench-2发布

    介绍ParseBench-2作为新一代文档解析基准的核心创新

  2. 通过330+错误类型严重性评分实现指标与人类判断对齐

  3. 包含4300+文档页面、新增表单维度及更精确的基准数据

  4. 相比现有基准解决粗粒度/随机性/偏见等问题

  5. ·OCRia-1.5模型

    新模型系列在复杂布局解析能力上实现重大突破

  6. 已被NVIDIA、Cohere等150+厂商用于性能评估

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • ParseBench-2
    • 核心机制
      • 330+错误类型严重性评分
      • 指标与人类判断对齐
    • 新增特性
      • 4300+文档页面
      • 新增表单维度
    • 关联技术
      • OCRia-1.5模型
      • LlamaParse平台

金句 / Highlights

值得收藏与分享的关键句。

#ParseBench-2#OCR#文档解析#基准测试#LlamaParse
打开原文

Jerry Liu 在 X 上的推文: "今天,我们推出了 ParseBench-2 - 我们迄今为止最雄心勃勃的文档解析基准测试。这是唯一一个既能对每一种生产环境中的解析错误进行极端细致的分类,又能确保指标评分与人类判断高度一致的基准测试。我们通过为 330 多种错误类型精心分配严重性评分,并调整每个指标以匹配这些评分来实现这一点。现有基准测试要么使用脆弱的确定性指标(如 OmniDocBench),要么使用以大模型作为裁判的方案(如 ParseArena),这些方法虽然有助于识别等价表示,但存在粒度粗糙、随机性强、容易受到提示词和模型偏见影响的问题。ParseBench-2 还包含: ✅ 超过 4.3k 页文档(是 ParseBench-1 的两倍)。 ✅ 新增维度(表单)。 ✅ 相比 ParseBench-1,所有维度的真实标注质量都有显著提升。 这是 ParseBench 的下一次进化,我们的这个广受欢迎的基准测试每月下载量超过 5 万次,已对 150 多个 OCR 解决方案进行过基准测试,并已被 NVIDIA、Cohere、Aleph Alpha、Perplexity 等公司采用。 除了 ParseBench-2,我们还发布了 OCRia-1.5 - 一组新的文档解析模型,为 LlamaParse 的所有模式提供支持。它们在解析复杂表格、表单、图表、格式以及为复杂布局分配边界框方面的能力相比我们最新的版本有巨大提升,是当前最先进的技术。欢迎访问我们的博客文章、技术报告和网站。 博客:

llamaindex.ai/blog/introduci…

技术报告:

llamaindex.ai/files/parseben…

网站:

parsebench.ai

如果您想尝试我们的 OCRia-1.5 功能,请注册 LlamaParse:

cloud.llamaindex.ai

00:00

下午4:46 · 2026年11月12日

·

89.6K

浏览量

77

60

142

52