@llama_index: 大多数文档提取API无法告知数据来源。对于ExtractBench，我们严格评估了溯源性：一个…

X AI KOLs Timeline 工具
document-extraction benchmarking grounding ai-evaluation llamaindex llamaextract

摘要

ExtractBench 是一个新的文档提取基准测试，严格评分溯源准确性，显示 VLMs 和编码代理缺乏证据，而 LlamaExtract Agentic Plus 以高性能领先于页面级和单词级指标。

大多数文档提取API无法告知数据来源。 对于ExtractBench，我们严格评估了溯源性：一个字段只有当值和其引用都正确时才计数，单词级框的IoU阈值为0.5。围绕错误值的完美框不得分。 结果：VLMs和编码代理根本没有返回证据——两个级别都是零。在确实返回框的系统中，最佳的单词级F1得分仍低于50%。溯源性随长度下降：一个专业API在短文档上页面级得分为61.7%，在长文档上降至0.0%。 LlamaExtract Agentic Plus在两个级别上领先——页面级84.9%，单词级46.4%——并在长文档上保持87.1%，而其他系统降至零。 每个提取的值都应带有证据。ExtractBench现在为该领域提供了一个基准来跟踪它 博客：https://lnkd.in/gNm97fXp 论文：https://lnkd.in/euAfScWx
查看原文
查看缓存全文

缓存时间: 2026/08/17 16:14

大多数文档提取API无法告知数据的来源依据。

在ExtractBench评测中，我们严格评估了数据溯源能力：只有当字段值及其引用位置都正确时才计分（单词级框体IoU≥0.5）。即使完美框选了错误数值，也不能得分。

评测结果显示：视觉语言模型和代码智能体完全未返回任何溯源证据——两个层级的得分均为零。在能返回框体定位的系统中，最佳的单词级F1分数仍不足50%。且溯源能力随文档长度急剧衰减：某个专业API在短文档上还能达到61.7%的页面级准确率，长文档时则骤降至0.0%。

LlamaExtract智能增强版在两个层级均表现领先——页面级84.9%，单词级46.4%——并在其他系统完全失效的长文档场景中，仍保持87.1%的高准确率。

每个提取出的数据都应附有溯源依据。ExtractBench现已为这个领域建立了评估基准。

博客：https://lnkd.in/gNm97fXp 论文：https://lnkd.in/euAfScWx

LinkedIn

来源：https://lnkd.in/gNm97fXp

该链接将跳转至非LinkedIn页面

由于这是外部链接，我们无法验证其安全性。

https://www.llamaindex.ai/blog/introducing-extractbench
本页面针对Chrome、Edge和Safari浏览器进行了优化

相似文章

ExtractBench：面向模式引导的企业文档抽取基准

Hugging Face Daily Papers

ExtractBench 是一个用于模式引导的企业文档抽取的新基准，在 4,869 页企业文档上评估值准确率、记录完整性、溯源性和成本。作者发现，商业 VLM 在处理长文档时表现不佳，而编码智能体虽然更准确但成本较高；LlamaExtract AgenticPlus 在所有指标上均领先。

@jerryjliu0：今天我们正式推出 Extract v2.5——一系列专为文档抽取调优的前沿智能体。这些智能体（兼具成本效益……

X AI KOLs Timeline

LlamaIndex 推出 Extract v2.5，这是一套前沿智能体文档抽取模型（Cost Effective、Agentic、Agentic Plus），宣称在 ExtractBench 上实现当前最佳性价比，以 30% 至 4 倍更低成本超越 Opus 5.5 和 GPT-6 Sol，并在长列表、跨页记录和扫描表单方面大幅提升准确率，同时推出可在 LlamaParse 上使用的新功能：高级引用（Advanced Citations）和结构化推理（Structural Reasoning）。