研究人员推出 BaFCo，这是一个新的基准数据集，旨在提高多模态大型语言模型 (MLLM) 在孟加拉语中的文档理解能力。该数据集包含 200 份复杂的孟加拉国政府表格，并包含详细的文档布局分析和关键信息提取注释方案。使用 ChatGPT、Gemini 和 Claude 等模型进行的初步评估显示，当前 MLLM 在准确处理和提取这些孟加拉语表格中的细粒度信息方面存在局限性。 AI
影响 该基准可以推动低资源语言 MLLM 的改进，从而实现更广泛的实际应用。
排序理由 该集群描述了一篇介绍文档理解基准数据集的新学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.05614v1 Announce Type: cross Abstract: Document comprehension is a challenging yet impactful task for Multimodal Large Language Models, especially as these systems see growing adoption in real-world, human-centric applications. However, this adoption is limited for low…
Document comprehension is a challenging yet impactful task for Multimodal Large Language Models, especially as these systems see growing adoption in real-world, human-centric applications. However, this adoption is limited for low-resource languages such as Bangla due to the scar…