ParseBench：面向 AI Agent 的文档解析基准发布

ParseBench：面向 AI Agent 的文档解析基准发布

文档解析是 AI Agent 处理真实世界文件的基础能力之一。尤其在企业场景中，Agent 往往需要理解合同、报告、表格、图表、扫描件等复杂文档，因此解析质量会直接影响后续检索、问答、审计和自动化流程的可靠性。

近期发布的 ParseBench 是一个新的开源文档解析基准，重点关注 AI Agent 在实际任务中所需要的解析质量。

基准规模与评测维度

ParseBench 包含约 2,000 页经人工验证的企业文档页面，并设计了超过 167,000 条测试规则。

它从五个关键维度评估文档解析器：

1. 表格解析：能否正确识别表格结构、单元格关系与内容。
2. 图表解析：能否提取图表中的关键信息。
3. 内容忠实度：解析结果是否准确反映原文内容，避免遗漏或错误生成。
4. 语义格式保留：能否保留标题、段落、列表等语义结构。
5. 视觉定位能力：能否将文本或结构与页面中的视觉位置对应起来。

初步测试结果

在对 14 种方法进行测试后，结果显示 LlamaParse Agentic 是唯一一个在五个维度上都具备竞争力的方法，其整体得分为 84.9%。

需要注意的是，这一结果来自该基准下的测试设定，不能直接等同于所有文档类型或所有业务场景中的表现。

相关进展

围绕文档解析和文档智能工作流，近期还出现了几项相关更新：

• 面向法律发现文件的解析能力讨论，重点关注低质量、难读取文档的处理。
• LiteParse 增加 Markdown 支持。
• Retrieval Harness 发布，用于检索相关实验与评估。
• ParseBench 将进入 CVPR 2026 相关议程。
• Parse-Flow 推出，面向视觉文档智能工作流。
• Anthropic Fable 5 在 ParseBench 上取得较强结果。
• LlamaParse 增加更细粒度的边界框能力，可用于词、行、单元格级别的审计追踪。

论坛讨论点

对开发者和企业用户而言，这类基准的价值在于：

• 帮助评估解析器是否适合复杂企业文档；
• 为 RAG、Agent 工作流和文档自动化提供更可量化的前置质量指标；
• 推动文档解析从“能提取文本”走向“能保留结构、语义与视觉证据”。

不过，基准结果仍需要结合具体业务文档、语言、版式复杂度和下游任务进行验证。