传统文档解析系统通常输出 Markdown，虽然适合线性文本，却难以保留细粒度的空间结构、表格几何、视觉层级和渲染语义。HTML 能完整描述异构、版面敏感的文档，并保持可编辑、可检查、可复用的特性。为系统性研究该场景，本文提出 AmbiHTMLBench。
在基准中，模型接收真实文档并生成可执行的 HTML，要求保留内容、组织和视觉外观。数据集包含 1,115 页多样化页面，并提供结构化标注。评估采用两种协议：客观协议通过对齐真实与预测的渲染块，计算表格保真度、页级文本错误率以及二维布局一致性；参考锚定协议则让 LLM 评审与人工偏好对齐，衡量感知保真度。
十种主流多模态系统的实验表明，最高客观得分为 0.8092，主观排名却不同，说明自动分解指标与人类感知互补。进一步对一个小参数专家模型进行任务特化微调，可显著提升文档到 HTML 的重建效果。
这些结果表明，AmbiHTMLBench 可作为诊断平台，推动更智能、更符合逻辑的文档解析系统研发。
点评：AmbiHTMLBench 为 HTML‑centric 文档解析提供了系统化评估框架，兼顾客观度量与主观感受，为后续模型改进指明了方向。