知识卡片：ParseBench：首个面向AI Agent的文档解析基准

一句话结论

ParseBench 是一个开源基准测试，包含约 2,000 页人工验证的企业文档及超过 167,000 条测试规则，用于从五个关键维度评估解析器性能，填补了 AI Agent 文档解析评测的空白。

事件概述

LlamaIndex 于 2026 年 4 月 13 日发布 ParseBench，这是首个专门针对 AI Agent 的文档解析基准测试。它覆盖了约 2,000 页经过人工标注的企业文档，并包含超过 167,000 条测试规则，旨在系统性地衡量解析器在五个关键维度上的表现。

方法/产品要点

• 数据集规模：约 2,000 页人工验证的企业文档页面。
• 测试规则：超过 167,000 条规则，覆盖多种复杂场景。
• 评估维度：五个关键维度（具体维度名称待核实）。
• 性质：开源基准（具体托管地址或许可证待核实）。

主要结果或产业意义

• 提供了一个标准化、可复现的评估框架，帮助开发者对比不同解析方案（包括传统 OCR、VLM 类解析器、LlamaParse 等）在实际企业文档上的性能。
• 填补了 AI Agent 场景下文档解析评测的空白——以往基准多聚焦于通用 OCR 或文本提取，缺乏对 Agent 工作流中结构保留、表格识别、多页关联等需求的专门测评。
• 推动解析器从“单纯字符召回率”向“赋能 Agent 任务完成度”的评测范式转变。

为什么重要

• 现有 OCR 基准（如 OmniDocBench）已被指出存在饱和现象，ParseBench 提供了更贴近真实 Agent 使用场景的新挑战。
• 作为首个公开标注的企业级文档解析基准，有助于社区透明地比较 LlamaParse、LiteParse 及其他商业/开源解析器的实际表现。

局限与不确定性

• 文档来源和领域分布（如金融、法律、医疗等）未在材料中说明，待核实。
• 五个评估维度的具体名称、评分方法及权重未知。
• 基准测试的更新维护机制和社区参与方式未提及。

可用于图书/PPT/简报的角度

• 案例角度：展示 AI Agent 落地中“文档入口”的关键评测工具。
• 技术趋势：从 ParseBench 看 2026 年文档解析评测从“通用文本提取”向“Agent 就绪”的进化。
• 竞争分析：以 ParseBench 为标尺对比 LlamaParse、开源 OCR 引擎和 VLM 方案的效果差距。

与既有脉络的关系

已有相关卡片未涉及文档解析基准主题。本条卡片为全新信息：此前在 OCR 与文档 AI 领域缺乏面向 Agent 工作流的综合评测，ParseBench 填补了这一工具缺失。

原始材料

• URL：https://www.llamaindex.ai/blog?tag=Machine Learning（具体文章为 2026-04-13 发布的 “Introducing ParseBench: The First Document Parsing Benchmark for AI Agents”）
• 来源摘要：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.

英文标题: ParseBench: The First Document Parsing Benchmark for AI Agents
关键词: Document Parsing, Benchmark, AI Agents, OCR, LlamaIndex