知识卡片：ParseBench：首个面向 AI 代理的文档解析基准测试

一句话结论

ParseBench 是一个开源基准测试，包含约 2,000 个人工验证的企业文档页面和超过 167,000 条测试规则，用于从五个关键维度评估文档解析器的性能。

事件概述

LlamaIndex 于 2026 年 4 月 13 日发布 ParseBench，这是首个专门针对 AI 代理的文档解析基准测试。该基准旨在弥补现有文档解析评测的空白，为解析器在真实企业场景下的能力提供标准化评估。

方法/产品要点

• 规模与组成：包含约 2,000 页企业文档，这些页面经过人工验证；测试规则超过 167,000 条。
• 评估维度：覆盖五个关键维度（具体维度名称未在材料中明确，待核实）。
• 开源性质：作为开源项目发布，可被社区复现和扩展。

主要结果或产业意义

• 为文档解析领域提供了首个标准化、可量化的评测工具，有助于比较不同解析方案（如传统 OCR、VLM 驱动的解析等）的实际表现。
• 对 AI 代理（如使用 LlamaIndex 构建的文档代理）的文档理解能力具有指导意义，促进智能文档处理流程的优化。

为什么重要

• 在此之前，文档解析基准主要针对通用 OCR 或特定格式（如 OmniDocBench），缺乏面向 AI 代理的企业级文档评测。ParseBench 填补了这一空白，使开发者能够系统性地识别解析瓶颈。
• 与已有的 OCR 基准（如 OlmOCR-Bench、OmniDocBench）相比，ParseBench 更强调企业文档场景和代理端到端工作流中的解析质量。

局限与不确定性

• 具体五个评估维度的定义及权重未在提供材料中说明，需查阅原始博客获取。
• 基准的有效性取决于文档样本的代表性和人工验证的一致性，材料未提供验证过程细节。
• 该基准发布于 2026 年 4 月，后续可能更新或扩展，当前未提及版本演进计划。

可用于图书/PPT/简报的角度

• “AI 代理时代的文档解析：如何科学衡量解析器好坏？”——以 ParseBench 为案例，讲解基准测试的设计思路（多维度、人工标注、企业级规模）。
• “从 OmniDocBench 到 ParseBench：文档解析评测的进化”——对比现有基准的适用范围与差异，突出 ParseBench 的代理场景针对性。

与既有脉络的关系

• 此前已有 OmniDocBench 等 OCR 基准，但 ParseBench 首次聚焦 AI 代理场景，是文档解析评测向智能代理应用延伸的标志。
• 与 LlamaIndex 生态中的 LiteParse、LlamaParse 等工具形成闭环：既提供解析工具，又提供评测标准。

原始材料

标题：Blog
英文关键词：ParseBench, Document Parsing, Benchmark, AI Agents, OCR, LlamaIndex
来源：https://www.llamaindex.ai/blog?tag=Artificial Intelligence
发布日期：Apr 13, 2026
文本摘录："Introducing ParseBench: The First Document Parsing Benchmark for AI Agents. ParseBench is a new open-source benchmark of ~2,000 human-verified enterprise document pages with over 167,000 test rules, evaluating parsers across five critical dimensions."