夜雨聆风学习资料网

ARTICLE · 1392622

专测 PDF 文档解析能力的开源评测基准

专测 PDF 文档解析能力的开源评测基准

OmniDocBench 是上海人工智能实验室 OpenDataLab 出品、CVPR 2025 接收的开源 PDF 文档解析评测基准(GitHub 2.2k Star)。

它本身不解析文档,而是给解析工具“打分”的考官,由一套 1651 页、覆盖 9

类文档(论文、试卷、报纸、财报、手写笔记等)的人工精标“标准考卷”,加一套开箱即用的自动“阅卷系统”组成。

主要功能有四项:

一是端到端整卷考试,按文本编辑距离、表格 TEDS、公式 CDM 三科平均出总分,并独立考察阅读顺序;

二是对版面、表格、公式、OCR 四大子模块分科评测,暴露总分掩盖的单项短板;

三是属性级诊断报告,可按语言、版式、表格线框等标签查细分成绩单,让用户按自己的文档类型精准选型;

四是 MGAM 多粒度自适应匹配,自动对齐不同工具的段落切分粒度,消除假错误。

对解析模型开发者、RAG/知识库构建者和数据工程师而言,它是选型验收、短板定位与论文基线的第三方标尺。

github地址:https://github.com/opendatalab/OmniDocBench

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料