docforge 开源中文 PDF 解析引擎并发布可复现评测 Benchmark

attnstack 在 GitHub 开源 docforge，将多栏、复杂表格、扫描件 PDF 转成 LLM-ready 的分层 Markdown 和带 bbox 的 JSON，并附带 CER / TEDS / 阅读顺序 / 标题树四项确定性指标的公开 benchmark。真实公文集上 docforge 综合分 0.8321，高于 PyMuPDF4LLM 的 0.5832 和 markitdown 的 0.4144，扫描公文页 OCR 文本 0.9931；作者同时声明真实集仅 7 样本、扫描页表格结构 v0.1 不支持，评测命令与标注协议均已开源。