XL-DocBench面向年报、法规、临床指南和技术手册等专业长文档，收录来自六个领域的1,519道人工验证题目，文档最长达2,303页。72.6%的题目需要多页证据，36.6%涉及表格、图表或图片，10.9%需要跨文档取证，并提供证据页、推理标签、验证规则和答案格式，用于区分检索、证据使用与规则遵循失败。
最近 24 小时暂无可用热度快照。