TeXFix-Bench：首个多格式文档源修复基准
语料来源
真实 arXiv 论文库
损坏样例
数千级（非合成）
覆盖类型
语法错误 / 环境不匹配 / 未定义命令
arXiv 发布 TeXFix-Bench，一个经验驱动的多格式基准，专门评估 LLM 对损坏文档源（尤其是 LaTeX）的修复能力。
LLM 能力验证：多格式修复挑战
不同 LLM 在修复成功率上存在显著差异，通用模型在 LaTeX 专有语法上表现弱于经过代码微调的模型。
通用大模型
修复成功率中等，对复杂数学环境错误漏判较多
代码专用模型
修复成功率较高，但面对 mixed-markup（如嵌入 TikZ）时仍不稳定
≈70%
最佳模型修复准确率 · 人类基线约 95%，显示 LLM 仍有较大提升空间
从文档修复到 AI 辅助科研出版
LLM 擅长自然语言生成，但在严格格式约束的文档源修复上，需要新的训练策略和评估体系。
论文作者团队 · TeXFix-Bench 提出者
该基准填补了 LLM 在结构化文档修复领域评估的空白，推动模型从“能写”向“能修”演进，对科研出版自动化、文档版本管理、跨平台兼容性修复均有直接应用价值。
评测与结论
本文以 arXiv 发布的 TeXFix-Bench 为切入点，聚焦 LLM 在文档源修复任务上的实际能力与局限。该基准使用真实科研论文数据，比合成数据集更能反映实际部署中的挑战，对评估 LLM 的可靠性和实用性具有重要参考价值。
综合判定：TeXFix-Bench 为 LLM 文档修复提供了首个多格式基准，揭示当前模型在专业排版语言上的不足，为后续技术优化指明了方向。该工作虽非突破性算法创新，但填补了评测空白，对 AI 在学术出版领域的落地具有推动作用。
综合公开信息整理