ExtractBench

ExtractBench 要求系统面对未见过的企业文档与 JSON Schema，返回正确值、完整重复记录、明确 `null` 和逐字段来源证据，评分不用 LLM judge。数据集有 370 份文档、4,869 页、八个领域和 67 类 schema，其中 325 份为真实公共记录；长文 split 只有 20 份，却占 1,816 页，专门放大跨页表与列表截断。榜首 unified value F1 为 95.59，但最佳 word-level grounding F1 只有 46.43；“值看似对”与“能指向正确证据”的巨大差距，是这个基准比普通抽取榜更有用的地方。