发布VL-DocIR视觉长文档检索基准

Simon Ott 等作者在 arXiv 发布 VL-DocIR，一个页面级视觉长文档信息检索基准。数据集由 29,641 份来自 Wikipedia、arXiv、PubMed 和 SEC 委托声明的 HTML 文档渲染为 388,548 张页面图像，含 271,760 个查询、23 个领域和六类证据结构。 基于论文摘要，作者报告在结构平衡的 Macro 评测下，最强配置达到 69.3 nDCGAll@10 和 80.6 RecallAll@10；跨文档检索明显难于单页检索，文档上下文评分对文档内多页查询尤其有帮助。 数据集和代码将于后续在项目页公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。