长上下文结构化表格抽取仍是所有被测模型的共同短板。
资讯摘要
论文提出AOE（Arranged and Organized Extraction）双语基准，评测LLM将64k至1.8M token的多文档长输入提炼为结构化表格的能力。基准含学术、金融、法律、医疗四个领域共12项任务，并提供schema指引以隔离格式差异。作者在四种自主度递增的生成设置下评测12个前沿模型，最佳模型仅达42.7% Cell F1，检索增强方法常使表现下降。
要点速读
- AOE覆盖学术、金融、法律、医疗四领域共12项任务，输入长度64k至1.8M token。
- 作者评测12个开源与闭源前沿模型，设置包括全文直输、RAG、离线浏览代理与在线搜索代理。
- 作者报告最佳模型仅获42.7% Cell F1，检索增强方法往往不升反降。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。