Datalab 实测 15 个文档解析基准，约半数排名与真实错误率脱节

Datalab 团队发布研究，以 7 个开源模型测试 13 个可运行的公开文档解析基准，并由 3 个评审模型统计真实错误数。约一半基准的排名与真实错误率不一致，部分基准过度强调格式而低估 OCR 质量。作者建议直接在候选解析器上自行评测，评分、评审结果与 rubric 均已开源。