К содержимому

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")