标签
Elon Musk 宣布 Grok 4.6 登顶 Databricks，Ivan Zhou 报告称，使用 Databricks 的 Genie 测试框架，在 OfficeQA Pro V2 上实现了 SOTA 性能。
一位用户分享了在多种语言上测试Liquid AI新推出的LFM2.5-VL-3B视觉语言模型的惊人结果，指出其视觉能力很强，但指令跟随能力低于预期；Liquid AI宣布该模型能够读取屏幕、文档，并将物体定位到坐标。
一项关于多页视觉丰富文档理解（MP-VRDU）失败的实证归因研究，隔离了表示、选择与推理三种失败模式，并为在固定计算预算下构建此类系统提供了指导。
NVIDIA 发布 Nemotron Parse 2.0，这是一个文档图像解析模型，可将扫描的 PDF 和图像转换为带有布局、边界框和阅读顺序的结构化文本，并增加了多语言 OCR 改进和图表感知解析功能。
介绍了XL-DocBench，这是一个经过人工验证的超长文档理解基准，涵盖六个专业领域的1,519个问题，要求多页证据和结构化推理，表明当前大语言模型在处理长上下文专业文档时仍存在困难。
本文提出 VLD-RAG，一种用于在长篇幅、视觉丰富文档上进行问答的智能多模态检索增强生成框架。它使用保留页面的索引和验证器引导的智能体工作流，改进跨页证据检索和推理，在 LongDocURL 和 MMLongBench-Doc 等基准测试上优于以往的基于视觉的基线方法。
本文揭示了视觉语言模型在面对错别字或视觉伪影等扰动时，往往会改写文本而非忠实转录，并引入了 FaithC4 基准来评估多种模型和语言中的这种行为。
这条推文对 Gemini 3.6 Flash 和 Gemini 3.5 Flash Lite 在文档理解方面进行了基准测试，发现虽然 Flash 系列最初在视觉理解方面表现出色，但最新版本由于针对编码和推理进行了后期训练，性能已趋于平稳甚至有所退步。
DeepSeek OCR 2 是一个拥有3B参数的模型，在OCR和文档理解方面超越了Gemini 3 Pro，具有类似人类的阅读顺序，并支持本地微调。
SynthDocBench 是一个完全合成的长上下文视觉文档理解基准，它系统地控制文档长度、布局、模态和问题类型，揭示了当前VLM中的失败模式，如长度退化和位置敏感性。
LlamaIndex对GPT-5.6在文档理解方面进行了基准测试，发现其相比GPT-5.5没有改进；该模型在文本和表格上表现良好，但在图表和布局方面仍有不足。
提出了BaFCo，一个面向孟加拉语表单理解的基准数据集，重点关注文档布局分析（DLA）和关键信息提取（KIE）。该数据集包含200份多页复杂孟加拉国政府表单，涵盖26种实体类型的细粒度标注，并对多个多模态大型语言模型（MLLMs）进行了评估，揭示了当前模型在理解复杂孟加拉语表单方面的局限性。
HunyuanOCR-1.5 是一款轻量级端到端OCR视觉语言模型，通过DFlash（推理速度提升6.37倍）提高效率，通过Agentic Data Flow增强能力，在文档解析、OCR和多语言任务上达到顶级性能。
LEDGER是一个新的基准测试，用于评估大语言模型在企业年报上的长上下文能力，提供了4,999份数字化报告，包含31个财务关键绩效指标，以及涵盖检索和提取的三项评估任务。
Jerry Liu的团队正在CVPR 2026上展示ParseBench，这是一个针对视觉语言模型（VLM）的全面文档理解基准。该基准包含2000页真实企业文档，以及针对表格、图表和视觉定位的评估指标。
MM-BizRAG 是一个面向企业问答的多模态检索增强生成系统，通过文档结构感知分割和版式感知解析，在异构企业文档上的表现比以视觉为中心的基线方法最高提升 32%。该论文还提出了 FastRAGEval——一种基于 LLM 的高效评估指标，其与人类判断的对齐程度优于 RAGChecker，且成本更低。
LFRAG提出了一种面向布局的细粒度检索增强生成框架，该框架在多模态文档中从页面级检索转向块级检索，在新提出的LFDocQA基准上实现了最先进的性能，并将令牌数量减少了73%。
纳斯达克专访了Llama Index首席执行官Jerry Liu，讨论了该公司用于企业AI代理的文档理解与OCR技术，本次合作基于Wing VC的Enterprise Tech 30榜单。
LlamaIndex发布了ParseBench，这是一个用于评估AI智能体文档理解能力的全面基准测试，涵盖包含表格、图表和布局的复杂企业文档。将举办一场在线研讨会，讨论该基准测试的方法和结果。
Infinity 发布了两个开源权重模型，Infinity-Parser2-Pro（35B）和 Infinity-Parser2-Flash（2B），它们登顶了 ParseBench 文档理解排行榜，利用了合成数据引擎和一种新颖的联合强化学习算法。