MBZUAI 发布 KITAB-Bench 数据集, 应用在 阿拉伯OCR、文档分析 领域

MBZUAI 本次发布的数据集 KITAB-Bench, KITAB-Bench是一个全面的阿拉伯OCR基准测试，由MBZUAI创建。该数据集包含8,809个样本，跨越9个主要领域和36个子领域，涵盖了多种文档类型，包括手写文本、结构化表格和针对商业智能的21种图表类型。数据集结合了来自现有数据集的精心挑选的样本、手动注释的PDFs以及通过LLM辅助管道生成的合成内容。该基准测试旨在为现代OCR系统提供严格的评估框架，并推动阿拉伯文档分析方法的改进。

查看KITAB-Bench

关于 MBZUAI , MBZUAI（Mohamed bin Zayed University of Artificial Intelligence）是阿联酋的一所专注于人工智能领域的高等教育机构，成立于2019年，旨在培养全球顶尖的人工智能专家，推动AI技术的研究和应用。

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。