中国科学院自动化研究所 发布 LongDocURL 数据集, 应用在 文档理解、多模态任务 领域

中国科学院自动化研究所 本次发布的数据集 LongDocURL, LongDocURL是一个综合性的长文档基准数据集，由中国科学院自动化研究所和阿里巴巴集团联合开发。该数据集包含2325个问答对，覆盖超过33,000页文档，旨在评估长文档理解、数值推理和跨元素定位能力。数据集通过半自动化的构建流程生成，涵盖了多种文档类型，如研究报告、用户手册、书籍等。其应用领域主要集中在文档理解、多模态任务处理以及跨元素关系分析，旨在解决现有基准在长文档处理和多元素关系分析上的不足。

查看LongDocURL

README 内容： 

关于 中国科学院自动化研究所 , 中国科学院自动化研究所成立于1956年，是中国科学院下属的一个研究机构，专注于自动化、人工智能、模式识别、智能系统等领域的研究与开发。该所在国内外享有较高的学术声誉，并承担了多项国家级重大科研项目。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。