ParseBench-2 是 LlamaIndex 推出的文档解析基准测试框架,用于在统一标准下评测各类 OCR 与文档解析工具的真实表现。它是 ParseBench 系列的第二代版本,与同场发布的 OCRia-1.5 解析模型一同亮相,目标是为构建 RAG 与智能体系统的开发者提供可参照的选型依据。
ParseBench-2 近期进展
当前焦点与观察点
ParseBench-2 引发的讨论主要集中在其评测立场的客观性上。由于框架发布方同时推出了自家解析模型 OCRia-1.5,外界自然会关注基准设计是否对自家产品有利,这类"既当裁判又当运动员"的质疑在社区中并不罕见。不过可自定义权重的机制在一定程度上缓解了单一榜单的争议——不同业务方可以按自身需求重新计算结果,而非被动接受官方排名。
另一个值得观察的方向是文档解析评测本身的演进。随着 RAG 和文档智能体对输入质量要求越来越高,解析环节(表格、版面、公式、扫描件)成为整个链路中最容易被忽视的瓶颈。ParseBench-2 把 40 款工具拉到同一标准下,无论其动机如何,都为开发者提供了此前稀缺的横向参照。后续值得跟踪的点包括:评测集是否持续更新、第三方能否独立复现结果,以及 OCRia-1.5 在真实生产环境中能否兑现基准成绩。