К содержимому

Датасет · google

Бенчмарк от Google DeepMind для мультимодальных агентов

google/multimodal-knowledge-agent

10 демонстрационных задач от Google DeepMind для оценки ИИ-агентов в работе со сложной графикой и документами.

Что внутри

Небольшой набор (менее 1000 примеров) на английском языке, включающий изображения, документы и геопространственные данные. В каждой задаче агенту даётся рабочее пространство из нескольких файлов с ключевыми визуальными артефактами вроде архитектурных CAD-чертежей, которые нельзя решить простым OCR.

Что можно сделать

  • Оценка мультимодальных ИИ-агентов на многошаговых профессиональных задачах
  • Тестирование моделей в сценариях визуального анализа чертежей и документов (VQA, Document QA)
Задачи
Картинка + текст, Вопросы по картинкам, document question answering
Языки
Английский
Размер
до 1K записей
Скачиваний за месяц
8,4 тыс.
Лайков
100

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("google/multimodal-knowledge-agent")