ParseBench-2：引入错误严重程度评估的文档解析基准

据LlamaIndex Blog发布的信息：

背景与改进

传统的文档解析基准往往采用脆弱的评估指标，会对无害的格式变化过度惩罚，却对关键数据错误（如数字颠倒）惩罚不足。ParseBench-2 引入了基于专家定义的 330 种错误类型的严重程度评分机制，涵盖文本、格式、表格、图表、布局和表单六个维度。该基准的文档语料库从 2.1k 扩大到 4.3k 个真实企业文档，包含 1,025 个图表以及来自 30 个国家的 500 页表单。

性能洞察与 OCRia-1.5

在对 41 种默认配置的评估中，LlamaParse Agentic Plus 以 89.8 分的总分领先，表现优于直接视觉模型和其他专业解析器。图表成为了系统间能力差距最大的领域，得分从 1.2 分到 92.6 分不等。此外，LlamaParse 还推出了全新文档解析模型系列 OCRia-1.5，用于支撑其成本效益和智能代理模式，旨在以更低的成本提供更高的解析准确率。