JinaVDR: 一个图文混排文档搜索任务的基准集

JinaVDR: 一个图文混排文档搜索任务的基准集

摘要

JinaVDR是一个专为处理视觉复杂文档设计的评测基准，填补了现有基准在视觉信息检索领域的空白。它覆盖20种语言、95项任务，包含图表、表格、扫描件等多种文档类型，模拟真实世界的检索场景。通过视觉问答和关键词查询两种方式，JinaVDR评估模型处理多语言、多格式文档的能力，推动下一代向量模型的发展。