VL-DocIR

新的基准测试VL-DocIR旨在应对基于视觉的长文档检索挑战

研究人员推出了VL-DocIR，这是一个旨在改进基于视觉的长文档信息检索的新基准测试。该基准测试通过模拟证据可能跨越多个页面或文档的现实场景，解决了当前系统专注于短文档的局限性。VL-DocIR包含来自Wikipedia、arXiv和PubMed等来源的超过388,000张页面图像，以及跨越不同领域和证据结构的超过270,000个查询。初步评估表明，虽然领先的视觉检索系统在单页查询上表现良好，但检索跨越多页或文档的信息仍然是一个重大挑战。