复旦大学 发布 AncientDoc 数据集, 应用在 古籍文档、自然语言处理 领域

复旦大学 本次发布的数据集 AncientDoc, AncientDoc 是一个用于评估视觉语言模型在中文古籍上的能力的基准数据集。它包括五个任务：页面级OCR、白话文翻译、基于推理的问答、基于知识的问答和语言变体问答。数据集覆盖了14种类型的古籍，超过100本书，共约3000页。数据集来源于哈佛图书馆的数字化资源，并结合了大型语言模型的预标注和人工校对，旨在全面评估视觉语言模型在中文古籍上的OCR和语义理解能力。

查看AncientDoc

关于 复旦大学 , 复旦大学是中国顶尖的综合性研究型大学之一，位于中国上海，是中国教育部直属的全国重点大学，也是国家“双一流”、“211工程”、“985工程”重点建设高校。

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。