One of the hardest parts about building any benchmark that measures high-dimensional output is makin...
Jerry Liu(@jerryjliu0)303 字 (约 2 分钟)
85
构建高维输出基准需平衡粒度与人类偏好对齐,ParseBench-2和DPP通过细分维度和规则提升文档解析评估。
入选理由:ParseBench-2将文档解析拆解为6个维度330个场景,错误权重由人类定义(如数字错误扣10+分)
精选推文#文档解析#基准测试#LLM评估#技术挑战英文