哈尔滨工业大学 发布 SV-DOC 数据集, 应用在 语音识别、多模态问答 领域

哈尔滨工业大学 本次发布的数据集 SV-DOC, SV-DOC 是一个面向语音驱动的视觉文档问答的基准数据集，包含中英文语音查询和多媒体文档内容。该数据集由现有的英文视觉文档问答数据集和 RAGBench 扩展而来，并包含了一个从头开始构建的中文文档 RAG 数据集。数据集内容丰富，涵盖了多个领域和格式的文档，如 PDF 和 PPT。SV-DOC 的构建过程遵循了五个步骤，包括文档收集、页面分割、候选 QA 对生成、QA 对过滤和人工标注、以及文本到语音的转换。SV-DOC 的应用领域主要面向语音驱动的视觉文档问答，旨在解决传统文本输入的限制，并扩展多模态大语言模型的应用场景。

查看SV-DOC

README 内容： 

关于 哈尔滨工业大学 , 哈尔滨工业大学是中国的一所著名学府，位于黑龙江省哈尔滨市，是中国工业和信息化部直属的全国重点大学，也是国家首批“211工程”和“985工程”重点建设的大学之一。学校拥有多个学科领域的研究实力，在国内外享有高声誉。_simple

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。