用于评估语义查询引擎性能的基准测试，涵盖文本与表格工作负载，测量模型在结构化数据查询任务上的准确性
在SemBench已发布的结果中，21%的文本结果在不同执行间质量发生变化，包括查询计划本身是确定性的引擎