К содержимому

Датасет · Oitaaa

Бенчмарк анализа сложных рабочих PDF-документов

Oitaaa/GDP.pdf

100 реальных рабочих PDF и вопросов к ним из 10 отраслей для оценки мультимодального анализа документов.

Что внутри

Внутри лежат 100 реальных рабочих PDF-файлов (отчёты, контракты, заявки, записи) и промпты к ним. Данные взяты из реальных рабочих процессов в 10 сферах, включая финансы, медицину, юриспруденцию, науку и строительство. Бенчмарк упоминается в карточках моделей Anthropic Fable 5 и Mythos 5.

Что можно сделать

  • Оценка мультимодальных LLM на задачах чтения плотных PDF со сложным форматированием
  • Тестирование RAG-систем и парсеров для корпоративного документооборота
Задачи
document question answering
Размер
до 1K записей
Скачиваний за месяц
31,8 тыс.
Лайков
1

Как загрузить

from datasets import load_dataset

ds = load_dataset("Oitaaa/GDP.pdf")