LlamaIndex 称 OmniDocBench 饱和，呼吁新基准
热点事件历史事件
LlamaIndex 称 OmniDocBench 饱和，呼吁新基准
2 篇报道1 个报道来源2026-02-24更新
先了解这件事
AI 综述
LlamaIndex 认为 OmniDocBench 文档解析基准已趋于饱和，且覆盖范围和评分方式存在局限。其称该基准仅覆盖 9 类文档、偏向学术论文，且 BLEU、编辑距离等连续指标会惩罚 HTML/markdown 等语义正确的格式差异，因此呼吁建立新的 OCR 基准。 该判断的背景是：GLM-OCR 在 OmniDocBench v1.5 上以 94.6% 准确率刷新 SOTA，超过 Gemini 3 Pro 的 90.3% 和 GPT-5.2。LlamaIndex 另用 GPT-5.2 在 OmniDocBench 的 10 篇中等、30 篇困难文档上测试四种推理档位（Zero、Low、High、xHigh），发现准确率始终停留在约 0.79，而延迟和成本上涨 5-8 倍。
AI 根据报道生成 · 20 天前更新
最新进展2月24日 00:00
OmniDocBench 已饱和，OCR 基准测试下一步走向何方？事件进展
2 个进展
- 2月24日 00:00 · 1 篇报道LlamaIndex 认为 OmniDocBench 已饱和，呼吁新 OCR 基准LlamaIndex：产品、工程与评测：OmniDocBench 已饱和，OCR 基准测试下一步走向何方？
- 2月19日 00:00 · 1 篇报道LlamaIndex 评测：推理模型在文档解析上过度思考LlamaIndex：产品、工程与评测：过度思考的代价：推理模型为何在文档解析上翻车
报道时间线
沿着报道，了解事件的不同侧面。
2月24日
- LlamaIndex：产品、工程与评测OmniDocBench 已饱和，OCR 基准测试下一步走向何方？
GLM-OCR 在 OmniDocBench v1.5 上以 94.6% 准确率刷新 SOTA，超过 Gemini 3 Pro 的 90.3% 和 GPT-5.2。但该基准正趋于饱和，数据集仅覆盖 9 类文档、偏向学术论文，且连续指标（BLEU、编辑距离）会惩罚 HTML/markdown 等语义正确的格式差异。
2月19日
- LlamaIndex：产品、工程与评测过度思考的代价：推理模型为何在文档解析上翻车
LlamaIndex 用 GPT-5.2 在 OmniDocBench 的 10 篇中等、30 篇困难文档上测试四种推理档位（Zero、Low、High、xHigh），发现准确率始终停留在约 0.79，而延迟和成本却上涨 5-8 倍。