LlamaIndex 发布 ParseBench-2:330+ 错误类型精细评分的文档解析基准
llama_index · x · 2026-11-13
LlamaIndex 创始人 Jerry Liu 宣布推出 ParseBench-2，自称迄今最雄心勃勃的文档解析基准。
核心亮点：
- 330+ 种生产级解析错误类型逐一标注严重度分数，并将每项指标调校至与人工判断高度对齐
- 批评现有基准要么用脆弱的确定性指标（如 OmniDocBench），要么用 LLM-as-a-judge（如 ParseArena），后者粗粒度、随机且受 prompt 和模型偏好影响
- 规模翻倍：4300+ 文档页（ParseBench-1 的两倍）
- 新增 forms（表单）维度，全维度 ground-truth 质量较上一版大幅提升
「研究」频道最新
- 自研 74M 参数流式音频编解码器 LiquidCodec 曝光 — helloiamleonie · 2026-11-13
- Memgraph 用 26 美元合成数据微调 1B 模型，合成基准 94% 公开榜仅 41% — JeremyCMorgan · 2026-11-13
- LM head 反向传播丢失 95-99% 梯度，提高 head rank 加速收敛 16 倍 — yoavartzi · 2026-11-13
- BioSecBench-Structure 发布：58 项评估测 agent 生物安全结构推理能力 — kenbwork · 2026-11-13
- Daniel Kokotajlo:预训练 loss 是可检验任务,几乎代理一切下游能力 — nitarshan · 2026-11-13
- MIT 发布 AI 风险缓解分类法 3.0:47 个框架提炼 2206 条缓解策略 — Exp_Mark · 2026-11-13