Benchmarks¶
Multimodal Document AI Learning Center
Module: Benchmarks
Version: v3.1
Last Updated: July 2026
Overview¶
Benchmark 是 Document AI 研究中不可缺少的一部分。
对于科研而言，一个优秀的模型不仅需要能够生成结果，更需要在公开数据集和统一评价体系下进行客观比较。
本章节重点介绍目前国际上最具代表性的 Document AI Benchmark，帮助学生建立完整的评测体系认知。
Learning Objectives¶
完成本章节后，应能够：
- 理解 Benchmark 在科研中的作用
- 熟悉主流 Document AI Benchmark
- 理解不同 Benchmark 的设计目标
- 根据研究任务选择合适的数据集与评价指标
Benchmark Evolution¶
Document AI Benchmark 的发展经历了以下几个阶段：
OCR Accuracy
│
▼
Layout Analysis
│
▼
Table Recognition
│
▼
Document Parsing
│
▼
Vision-Language Understanding
│
▼
End-to-End Document Intelligence
现代 Benchmark 已从单一 OCR 精度评测，发展为覆盖版面、阅读顺序、公式、表格和结构化输出的综合评测体系。
Benchmark Taxonomy¶
建议按照研究目标理解不同 Benchmark。
| Research Task | Representative Benchmark |
|---|---|
| OCR | OCRBench、OCRBench v2 |
| Layout Analysis | DocLayNet、PubLayNet |
| Table Recognition | PubTabNet |
| Document Parsing | OmniDocBench |
| Document VQA | DocVQA、InfographicVQA |
| Chart Understanding | ChartQA |
| Scientific Documents | DocBank |
不同 Benchmark 关注的能力不同，不存在一个 Benchmark 可以覆盖全部 Document AI 任务。
Part 1. OmniDocBench¶
Position¶
★★★★★
Current Recommendation
目前国际上最完整的 Document Parsing Benchmark 之一。
CVPR 2025 收录。
Official Resources¶
Paper¶
https://arxiv.org/abs/2412.07626
GitHub¶
https://github.com/opendatalab/OmniDocBench
Dataset¶
https://huggingface.co/datasets/opendatalab/OmniDocBench
Why It Matters¶
OmniDocBench 的目标不是评测某一个模块，而是评价：
End-to-End Document Parsing
覆盖：
- Academic Papers
- Books
- Financial Reports
- Newspapers
- Slides
- Forms
- Handwritten Documents
等多种真实文档场景。
Main Evaluation Tasks¶
| Task | Supported |
|---|---|
| Text OCR | ✓ |
| Layout Detection | ✓ |
| Reading Order | ✓ |
| Table Recognition | ✓ |
| Formula Recognition | ✓ |
| End-to-End Parsing | ✓ |
| Attribute Evaluation | ✓ |
相比传统 Benchmark，OmniDocBench 更强调：
Document Intelligence
而不是单独 OCR 精度。
Key Metrics¶
| Metric | Purpose |
|---|---|
| Edit Distance | 文本识别 |
| BLEU | 文本相似度 |
| TEDS | 表格结构 |
| CDM | 数学公式 |
| mAP | 布局检测 |
| Reading Order | 阅读顺序 |
这些指标已经成为当前 Document AI 论文中最常见的评价标准。
Part 2. DocLayNet¶
Position¶
★★★★★
Focus
Document Layout Analysis
Official Resources¶
Paper¶
https://arxiv.org/abs/2206.01062
GitHub¶
https://github.com/DS4SD/DocLayNet
Dataset¶
https://huggingface.co/datasets/ds4sd/DocLayNet
Why Read¶
DocLayNet 是目前最重要的公开版面分析数据集之一。
特点：
- 人工标注
- 多来源文档
- COCO 格式
- 11 类布局元素
- 大规模真实页面
相比早期 PubLayNet，DocLayNet 在文档类型和布局复杂度方面更加丰富，更适合训练通用版面分析模型。
Typical Tasks¶
支持：
- Layout Detection
- Region Classification
- Page Segmentation
- Reading Region Detection
典型模型包括：
- DiT
- DocLayout-YOLO
- RT-DETR
- LayoutLM 系列
Part 3. OCRBench¶
Position¶
★★★★★
Focus
OCR Capability Evaluation for Large Multimodal Models
Official Resources¶
Paper¶
https://arxiv.org/abs/2305.07895
OCRBench v2¶
https://arxiv.org/abs/2501.00321
GitHub¶
https://github.com/Yuliang-Liu/MultimodalOCR
Why Read¶
OCRBench 是目前评价大型多模态模型 OCR 能力的重要 Benchmark。
覆盖：
- Scene Text
- Document OCR
- Formula
- Handwriting
- Key Information Extraction
- Document VQA
OCRBench v2 在此基础上进一步增加了：
- Text Localization
- Layout Perception
- Visual Reasoning
- Bilingual Evaluation
使其更加符合现代 Vision-Language Model 的能力评测需求。
Reading Suggestions¶
建议阅读顺序如下：
| Priority | Benchmark | Purpose |
|---|---|---|
| ⭐⭐⭐⭐⭐ | OmniDocBench | End-to-End Document Parsing |
| ⭐⭐⭐⭐⭐ | DocLayNet | Layout Analysis |
| ⭐⭐⭐⭐⭐ | OCRBench / OCRBench v2 | OCR 与 VLM 能力评测 |
Knowledge Checklist¶
完成本部分后，应能够回答：
- 为什么现代 Benchmark 更强调 End-to-End Evaluation？
- OmniDocBench 与 DocLayNet 的定位有何不同？
- OCRBench 为什么专门针对大型多模态模型设计？
- 不同研究任务应如何选择 Benchmark？
Recommended Next Reading¶
下一节重点内容：
- PubTabNet
- DocVQA
- InfographicVQA
- ChartQA
- DocBank
- RVL-CDIP
- Benchmark Selection Strategy
Overview¶
本章节继续介绍 Document AI 中最具代表性的公开 Benchmark，重点覆盖：
- Table Understanding
- Document Visual Question Answering (DocVQA)
- Chart Understanding
- Scientific Document Understanding
- Document Classification
这些 Benchmark 已成为近几年 CVPR、ICCV、ECCV、ICML、ACL、EMNLP 等顶级会议论文的标准评测平台。
Benchmark Coverage¶
Document AI
│
├── Table Recognition
├── Document VQA
├── Chart Understanding
├── Scientific Documents
└── Document Classification
Part 4. PubTabNet¶
Position¶
★★★★★
Focus
Table Structure Recognition (TSR)
Official Resources¶
Paper (ECCV 2020)¶
https://arxiv.org/abs/1911.10683
GitHub¶
https://github.com/ibm-aur-nlp/PubTabNet
Dataset¶
https://huggingface.co/datasets/ajimeno/PubTabNet
Why It Matters¶
PubTabNet 是目前最经典、应用最广泛的表格识别数据集之一。
特点：
- 56 万+ 科学论文表格
- HTML 结构标注
- 支持复杂跨行、跨列表格
- 提出并推广 TEDS（Tree Edit Distance Similarity） 评价指标
目前几乎所有 Table Recognition 模型都会在 PubTabNet 上进行评测。
Main Evaluation Tasks¶
| Task | Supported |
|---|---|
| Table Detection | ✓ |
| Table Structure Recognition | ✓ |
| HTML Generation | ✓ |
| Cell Recognition | ✓ |
Typical Metrics¶
| Metric | Description |
|---|---|
| TEDS | 表格结构相似度（最重要） |
| Exact Match | 完整结构匹配 |
| Precision / Recall | 单元格识别 |
Representative Models¶
- TableFormer
- UniTable
- LGPMA
- TableMaster
- Qwen3-VL
- MinerU
- Docling
Part 5. DocVQA¶
Position¶
★★★★★
Focus
Document Visual Question Answering
Official Resources¶
Paper¶
https://arxiv.org/abs/2007.00398
Official Website¶
Challenge¶
Why It Matters¶
DocVQA 是目前最具影响力的 Document Question Answering Benchmark。
其目标是：
给定文档页面和自然语言问题，自动生成正确答案。
与传统 OCR 不同，DocVQA 要求模型同时理解：
- 文本内容
- 页面布局
- 图表
- 表格
- 视觉关系
因此，它已成为评价 Vision-Language Model 文档理解能力的重要标准。
Representative Tasks¶
| Task | Description |
|---|---|
| Single-page DocVQA | 单页文档问答 |
| Multi-page DocVQA | 多页文档问答 |
| InfographicVQA | 信息图问答 |
| Text-based QA | OCR 文本问答 |
近年来，多页 DocVQA 已成为新的研究热点。
Common Metrics¶
- ANLS
- Exact Match (EM)
- F1 Score
Part 6. ChartQA¶
Position¶
★★★★☆
Focus
Chart Understanding
Official Resources¶
Paper¶
https://arxiv.org/abs/2203.10244
GitHub¶
https://github.com/vis-nlp/ChartQA
Dataset¶
https://huggingface.co/datasets/HuggingFaceM4/ChartQA
Why Read¶
真实文档中大量信息来自：
- 柱状图
- 折线图
- 饼图
- 散点图
ChartQA 旨在评测模型是否能够：
- 理解图表内容
- 结合图例进行推理
- 回答数值和趋势相关问题
它是 Document AI 与多模态推理结合的重要 Benchmark。
Representative Tasks¶
- Numerical Reasoning
- Trend Analysis
- Legend Understanding
- Multi-hop Reasoning
Part 7. DocBank¶
Position¶
★★★★★
Focus
Scientific Document Layout Understanding
Official Resources¶
Paper¶
https://arxiv.org/abs/2006.01038
GitHub¶
https://github.com/doc-analysis/DocBank
Why It Matters¶
DocBank 是最早的大规模科学文档布局数据集之一。
特点：
- 50 万+ 页面
- Token-level Annotation
- 基于 arXiv 论文自动标注
- 同时包含文本与版面信息
它为 LayoutLM、DiT 等模型的发展提供了重要的数据基础。
Supported Tasks¶
| Task | Supported |
|---|---|
| Layout Analysis | ✓ |
| Token Classification | ✓ |
| Reading Structure | ✓ |
| Scientific Documents | ✓ |
Part 8. RVL-CDIP¶
Position¶
★★★★☆
Focus
Document Classification
Official Resources¶
Paper¶
https://www.cs.cmu.edu/~aharley/rvl-cdip/
Dataset¶
https://www.cs.cmu.edu/~aharley/rvl-cdip/
Why Read¶
RVL-CDIP 是文档分类领域最经典的数据集之一。
包含：
- Letter
- Memo
- Form
- Invoice
- Resume
- Scientific Report
- Advertisement
共 16 类文档, 虽然发布时间较早，但仍广泛用于文档分类模型的基准评测。
Benchmark Selection Guide¶
| Research Topic | Recommended Benchmark |
|---|---|
| Table Recognition | PubTabNet |
| Layout Analysis | DocLayNet、DocBank |
| Document Parsing | OmniDocBench |
| OCR Evaluation | OCRBench v2 |
| Document VQA | DocVQA |
| Chart Reasoning | ChartQA |
| Document Classification | RVL-CDIP |
建议不要只使用单一 Benchmark，而应根据研究目标组合多个数据集进行综合评测。
Knowledge Checklist¶
完成本部分后，应能够回答：
- 为什么 TEDS 是表格识别的重要评价指标？
- DocVQA 与传统 OCR Benchmark 有何区别？
- ChartQA 主要评测哪些能力？
- DocBank 与 DocLayNet 分别适用于哪些研究任务？
- 如何根据研究方向选择合适的 Benchmark？
Recommended Next Reading¶
下一节重点内容：
- FUNSD
- CORD
- Kleister
- SROIE
- XFUND
- 信息抽取（KIE）Benchmark
- 多语言 Document AI Benchmark
Overview¶
本章节重点介绍 Key Information Extraction (KIE) 与 Form Understanding 方向最重要的国际 Benchmark。
相比 OCR 或 Document Parsing，KIE 更关注：
从真实业务文档中自动提取具有业务语义的关键信息。
典型应用包括：
- 发票信息提取
- 收据解析
- 表单理解
- 合同解析
- 企业单据自动化
- 多语言票据处理
这些 Benchmark 已成为 LayoutLM、LayoutLMv3、BROS、GeoLayoutLM、UDOP、Qwen2-VL、Qwen3-VL 等模型的重要评测数据集。
Benchmark Landscape¶
Key Information Extraction
│
├── Form Understanding
│ ├── FUNSD
│ ├── XFUND
│ └── SRFUND
│
├── Receipt Understanding
│ ├── CORD
│ └── SROIE
│
└── Document IE
├── KIE
└── Entity Linking
Part 9. FUNSD¶
Position¶
★★★★★
Focus
Form Understanding
Official Resources¶
Paper (ICDAR Workshop 2019)¶
https://arxiv.org/abs/1905.13538
Official Dataset¶
https://guillaumejaume.github.io/FUNSD/
GitHub¶
https://github.com/guillaumejaume/FUNSD
Why It Matters¶
FUNSD（Form Understanding in Noisy Scanned Documents）是现代 Form Understanding 研究的起点。
首次公开提供：
- 文本内容
- OCR 框
- 实体类别
- Key-Value 关系
统一标注，为 LayoutLM 系列模型的发展奠定了基础。
Supported Tasks¶
| Task | Supported |
|---|---|
| OCR | ✓ |
| Entity Recognition | ✓ |
| Entity Linking | ✓ |
| Form Understanding | ✓ |
| Key-Value Extraction | ✓ |
Typical Labels¶
FUNSD 共定义四类语义实体：
- Question
- Answer
- Header
- Other
并标注实体之间的关联关系。
Part 10. XFUND¶
Position¶
★★★★★
Focus
Multilingual Form Understanding
Official Resources¶
Paper¶
https://arxiv.org/abs/2104.08836
GitHub¶
https://github.com/doc-analysis/XFUND
Dataset¶
https://huggingface.co/datasets/xfund/xfund
Why It Matters¶
XFUND 可以理解为：
FUNSD 的多语言版本。
覆盖：
- Chinese
- Japanese
- French
- German
- Spanish
- Portuguese
- Italian
共七种语言，成为跨语言 Document AI 的标准 Benchmark。
Typical Tasks¶
支持：
- Key Information Extraction
- Entity Linking
- Multilingual Layout Understanding
- Cross-language Transfer
Representative Models¶
- LayoutXLM
- LayoutLMv3
- BROS
- UDOP
- Qwen2-VL
- Qwen3-VL
Part 11. CORD¶
Position¶
★★★★★
Focus
Receipt Understanding
Official Resources¶
Paper¶
https://arxiv.org/abs/2011.08844
GitHub¶
https://github.com/clovaai/cord
Dataset¶
https://huggingface.co/datasets/naver-clova-ix/cord-v2
Why It Matters¶
CORD（Consolidated Receipt Dataset）是收据解析领域最经典的数据集。
特点：
- 真实商业收据
- OCR 标注
- 商品级实体
- 层次化标签
广泛用于：
- Receipt Parsing
- KIE
- Entity Recognition
并长期作为 KIE 论文的重要 Benchmark。
Typical Entity Types¶
包括：
- Store
- Menu
- Quantity
- Price
- Total
- Tax
- Date
- Payment
Part 12. SROIE¶
Position¶
★★★★★
Focus
Scanned Receipt OCR and Information Extraction
Official Resources¶
Competition¶
ICDAR Competition¶
Why It Matters¶
SROIE 是 ICDAR 官方举办的国际竞赛数据集。
重点关注：
- Receipt OCR
- Key Information Extraction
标准字段包括：
- Company
- Date
- Address
- Total
由于任务定义明确，SROIE 仍然是工业界票据识别的重要评测基准。
Part 13. SRFUND¶
Position¶
★★★★☆
Focus
Hierarchical Form Understanding
Official Resources¶
Paper (NeurIPS 2024 Datasets & Benchmarks)¶
https://arxiv.org/abs/2406.08757
Project Page¶
https://sprateam-ustc.github.io/SRFUND
Why Read¶
SRFUND 是近年来提出的新一代表单理解 Benchmark。
相比 FUNSD 和 XFUND，
新增：
- Text Line Recovery
- Entity Hierarchy
- Item Table Localization
- Global Structure Recovery
能够评价模型恢复完整文档结构的能力。
New Evaluation Tasks¶
| Task | FUNSD | XFUND | SRFUND |
|---|---|---|---|
| Entity Classification | ✓ | ✓ | ✓ |
| Entity Linking | ✓ | ✓ | ✓ |
| Hierarchical Structure | ✗ | ✗ | ✓ |
| Table Localization | ✗ | ✗ | ✓ |
| Global Structure Recovery | ✗ | ✗ | ✓ |
Recommended Reading Order¶
| Priority | Benchmark | Research Focus |
|---|---|---|
| ⭐⭐⭐⭐⭐ | FUNSD | Form Understanding |
| ⭐⭐⭐⭐⭐ | XFUND | Multilingual KIE |
| ⭐⭐⭐⭐⭐ | CORD | Receipt Understanding |
| ⭐⭐⭐⭐⭐ | SROIE | Industrial Receipt OCR |
| ⭐⭐⭐⭐ | SRFUND | Hierarchical Form Understanding |
Recommended Survey Papers¶
BROS¶
https://arxiv.org/abs/2108.04539
重点：
- Text + Layout Pre-training
- KIE Benchmark
- FUNSD、CORD、SROIE 综合实验
LayoutXLM¶
https://arxiv.org/abs/2104.08836
重点：
- Multilingual Document Understanding
- XFUND 基准
- Cross-lingual Pre-training
HGALayoutLM¶
https://arxiv.org/abs/2407.06904
重点：
- Hypergraph Layout Modeling
- FUNSD
- XFUND
- CORD
- SROIE 最新 SOTA 对比
Knowledge Checklist¶
完成本部分后，应能够回答：
- FUNSD 为什么成为 Form Understanding 的经典 Benchmark？
- XFUND 相比 FUNSD 增加了哪些能力？
- CORD 与 SROIE 的应用场景有何区别？
- SRFUND 为什么代表下一代 Form Understanding Benchmark？
- 多语言 KIE 应优先选择哪些公开数据集？
Recommended Next Reading¶
下一节重点内容：
- 最新 OCRBench v2
- MMDocBench
- 综合 Benchmark 对比
- Benchmark Selection Strategy
- 实验室 Benchmark 建设
Benchmarks¶
Multimodal Document AI Learning Center
Module: Benchmarks
Version: v3.2
Part: 4 / 4
Last Updated: July 2026
Overview¶
近年来，Document AI Benchmark 正在发生新的变化。
传统 Benchmark 主要关注：
- OCR Accuracy
- Layout Detection
- Table Recognition
而新一代 Benchmark 更关注：
- End-to-End Document Parsing
- OCR-free Document Understanding
- Fine-grained Visual Grounding
- Vision-Language Reasoning
- AI Agent Readiness
Benchmark 的目标已经从单模块评测转向完整文档智能能力评测。
Benchmark Evolution (2020–2026)¶
OCR
│
▼
Layout Analysis
│
▼
Document Parsing
│
▼
Vision-Language Understanding
│
▼
Fine-grained Grounding
│
▼
AI Agent Evaluation
Part 14. MMDocBench¶
Position¶
⭐⭐⭐⭐⭐
Focus
Fine-grained Vision-Language Document Understanding
Official Resources¶
Project¶
Paper¶
https://arxiv.org/abs/2410.21311
GitHub¶
https://github.com/fb-zhu/MMDocBench
Dataset¶
https://huggingface.co/datasets/next-tat/MMDocBench
Why It Matters¶
MMDocBench 是近年来最具代表性的 Vision-Language Document Benchmark 之一。
不同于传统 OCR Benchmark，
它强调：
OCR-Free Document Understanding
重点评测：
- Fine-grained Perception
- Visual Grounding
- Document Reasoning
- Multi-step QA
覆盖：
- Research Papers
- Financial Reports
- Tables
- Receipts
- Charts
- Infographics
共定义 15 个主任务、48 个子任务，并提供支持区域（Supporting Regions）标注，用于评估模型是否真正理解了文档内容，而不仅仅是生成正确答案。
Main Evaluation Dimensions¶
| Capability | Supported |
|---|---|
| OCR-free QA | ✓ |
| Fine-grained Perception | ✓ |
| Grounding | ✓ |
| Visual Reasoning | ✓ |
| Multi-document Types | ✓ |
Part 15. OCRBench v2¶
Position¶
⭐⭐⭐⭐⭐
Focus
Large Multimodal Model OCR Evaluation
Official Resources¶
Paper¶
https://arxiv.org/abs/2501.00321
GitHub¶
https://github.com/Yuliang-Liu/MultimodalOCR
NeurIPS 2025¶
https://papers.nips.cc/paper/2025
Why It Matters¶
OCRBench v2 是 OCRBench 的全面升级版本。
相比第一版：
新增：
- Layout Perception
- Text Localization
- Handwritten Documents
- Diagram Understanding
- Logical Reasoning
覆盖 31 个真实场景、10000 组人工验证 QA，目前已成为评价大型多模态模型 OCR 能力的重要基准。
Representative Tasks¶
| Task | Included |
|---|---|
| Text Recognition | ✓ |
| Layout Understanding | ✓ |
| Document Parsing | ✓ |
| Formula | ✓ |
| Handwriting | ✓ |
| OCR Reasoning | ✓ |
| Visual Grounding | ✓ |
Part 16. Emerging Benchmark Trends¶
当前国际 Benchmark 呈现以下发展趋势：
| Trend | Description |
|---|---|
| OCR-free Evaluation | 不依赖传统 OCR 中间结果 |
| End-to-End Parsing | 从文档直接生成结构化表示 |
| Vision-Language Evaluation | 综合视觉与语言理解能力 |
| Grounding-aware Evaluation | 关注答案与文档区域对应关系 |
| Agent-oriented Benchmark | 面向 AI Agent 的文档理解能力 |
这些趋势正逐渐成为顶级会议 Document AI 论文的主流评测方向。
Part 17. Benchmark Selection Strategy¶
建议根据研究方向选择 Benchmark。
| Research Direction | Recommended Benchmark |
|---|---|
| OCR | OCRBench v2 |
| Layout Analysis | DocLayNet |
| Document Parsing | OmniDocBench |
| Scientific Documents | DocBank |
| Table Understanding | PubTabNet |
| Form Understanding | FUNSD |
| Multilingual KIE | XFUND |
| Receipt Parsing | CORD、SROIE |
| Document QA | DocVQA |
| Chart Reasoning | ChartQA |
| Vision-Language Understanding | MMDocBench |
推荐组合：
OmniDocBench
+
OCRBench v2
+
MMDocBench
能够覆盖目前主流 Vision-Language Document AI 的核心能力。
Part 18. Laboratory Benchmark Pipeline¶
建议实验室建立统一 Benchmark 流程。
Dataset
│
▼
Inference
│
▼
Prediction
│
▼
Official Evaluation
│
▼
Metrics
│
▼
Visualization
│
▼
Leaderboard
建议统一保存：
- Prediction Results
- Evaluation Scripts
- Configuration Files
- Experiment Logs
- Visualization Reports
以保证实验可复现。
Recommended Technical Resources¶
Benchmark Collections¶
| Resource | URL |
|---|---|
| Papers With Code（OCR） | https://paperswithcode.com/task/optical-character-recognition |
| Papers With Code（Document Layout Analysis） | https://paperswithcode.com/task/document-layout-analysis |
| Hugging Face Datasets | https://huggingface.co/datasets |
| OpenDataLab | https://opendatalab.com |
Official Evaluation Frameworks¶
| Project | URL |
|---|---|
| OmniDocBench | https://github.com/opendatalab/OmniDocBench |
| OCRBench | https://github.com/Yuliang-Liu/MultimodalOCR |
| MMDocBench | https://mmdocbench.github.io/ |
| Docling | https://github.com/docling-project/docling |
Recommended Survey Papers¶
OCRBench¶
https://arxiv.org/abs/2305.07895
介绍大型多模态模型 OCR 能力评测体系。
OCRBench v2¶
https://arxiv.org/abs/2501.00321
介绍最新 OCR Benchmark 与视觉文本定位、推理能力评测。
MMDocBench¶
https://arxiv.org/abs/2410.21311
介绍 OCR-free Document Understanding Benchmark 设计。
OmniDocBench¶
https://arxiv.org/abs/2412.07626
介绍统一文档解析 Benchmark 与 End-to-End Evaluation。
Laboratory Practice¶
建议所有研究生完成以下实验。
| Experiment | Objective |
|---|---|
| Benchmark Reproduction | 复现官方 Baseline |
| Cross-model Comparison | 对比 Qwen3-VL、InternVL、MinerU 等模型 |
| Metric Analysis | 分析 Edit Distance、TEDS、Reading Order 等指标 |
| Error Analysis | 建立典型错误案例库 |
| Visualization | 绘制 Benchmark 对比图、雷达图、热力图 |
Knowledge Checklist¶
完成本模块后，应能够回答：
- 为什么现代 Benchmark 越来越强调 End-to-End Evaluation？
- MMDocBench 与 OmniDocBench 的定位有何区别？
- OCRBench v2 相比 OCRBench 增加了哪些关键能力？
- 如何根据研究目标选择合适的 Benchmark？
- 如何构建可复现的 Benchmark 实验流程？
Chapter Summary¶
Benchmark 体系：
OCRBench v2
│
▼
DocLayNet
│
▼
PubTabNet
│
▼
OmniDocBench
│
▼
MMDocBench
│
▼
Laboratory Benchmark
│
▼
Research Papers
该体系覆盖 OCR、版面分析、表格识别、文档解析、视觉语言理解和智能体应用等核心研究方向，可作为实验室开展 Qwen3-VL、Docling、DocTags、OmniDocBench 等相关科研工作的统一评测框架。