Датасет · llamaindex
Бенчмарк парсинга реальных документов
llamaindex/ParseBench-2
Набор англоязычных документов от LlamaIndex для проверки систем распознавания текста, таблиц, графиков и форм.
Что внутри
Датасет объёмом от 1 до 10 тысяч примеров на английском языке, созданный командой LlamaIndex для оценки парсинга реальных документов. Проверка идёт по шести направлениям: обычный текст, форматирование, таблицы, графики, разметка макета и формы (последним выделено 600 страниц). В оценке используются метрики с учётом критичности ошибок.
Что можно сделать
- Тестирование мультимодальных LLM и парсеров PDF-документов
- Оценка качества извлечения таблиц, графиков и заполненных форм
- Сравнение конвейеров подготовки данных для RAG
- Языки
- Английский
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 42,6 тыс.
- Лайков
- 48
Как загрузить
from datasets import load_dataset
ds = load_dataset("llamaindex/ParseBench-2")