Frontline Lab 摘要与来源
编辑摘要
LlamaIndex 发布 ExtractBench，覆盖 370 份企业文档和 14 个系统，重点测试 long-list completeness；其称 Frontier VLMs 在最长文档上 F1 为 8.9–35.8%。
这份简报保留原始来源，摘要和编辑判断都可以回到原文独立核验。
来源署名X · @llama_index
打开原始来源证据简报
ExtractBench 测出 VLM 长列表抽取漏行
LlamaIndex 发布 ExtractBench，覆盖 370 份企业文档和 14 个系统，重点测试 long-list completeness；其称 Frontier VLMs 在最长文档上 F1 为 8.9–35.8%。
- 来源
- X
- 来源作者
- @llama_index
- 相关主题
- 1
- 采集时间
- 2026-08-13
相关已发布证据
相关关系来自共同主题、实体、分类、标签与社区语境；每条结果仍保留独立来源回链。
评测基准：ExtractBench 覆盖4869 页文档抽取
@Llama_index 转发 @jerryjliu0 的帖文：ExtractBench 被称为面向真实世界文档抽取的最全面基准之一，帖文明确提到它覆盖 4869 页。
原始来源论文研究：ExtractBench 36 页 ArXiv 白皮书
@Llama_index 转发 @jerryjliu0 的帖文：其团队写了一篇关于 ExtractBench 的 36 页 ArXiv 白皮书，并称这是创建全面、schema-guided、真实场景相关基准的一项工作。
原始来源OlmPool 显示四项架构选择削弱长上下文
@dair_ai 称，Ai2、Carnegie Mellon 和 University of Washington 研究归一化、GQA、预训练上下文长度和滑动窗口注意力，发现组合三项以上会显著降低长上下文性能，并发布 OlmPool。
原始来源Meta 新论文提出 Skaling law，将模型容量与训练数据耦合
Meta 新论文提出 Skaling law，用单一交互指数耦合模型容量与数据；在低计算稀疏网格下，可用 roughly 10x less compute 外推完整网格。
原始来源Agent 产品：Fireworks 参加 AI Dev Stack 生产化活动
@FireworksAI_HQ 宣布将与 @antimetal、@braintrust 和 @browserbase 参加 The AI Dev Stack: Beyond Code。帖子称，除 coding agents 外，更有意思的工作在于让它们进入生产并保持可靠的技术栈，并提供 RSVP 链接。
原始来源