随着检索增强生成（RAG）技术成为大模型落地垂直场景的主流技术路径，针对混合格式文档的复杂问答能力评测，已成为AI应用研发环节的核心刚需。当前行业主流的基准数据集多以纯文本语料为核心构建，很难覆盖消费电子、电商、工业制造等领域普遍存在的“自然语言描述+规格表格+参数列表”半结构化文档场景，现有评测体系普遍缺乏对语料库级跨文档推理、多源数据聚合类任务的评估能力，一定程度上制约了相关AI应用的性能迭代与落地效率。
2026年5月26日，三星人工智能华沙研究团队于预印本平台arXiv正式首发SpecsQA基准数据集，专门针对半结构化文档场景下的问答系统、检索生成系统性能评估设计。据披露，该数据集由三星人工智能研究团队自主构建，共包含117个经过多轮论证设计的测试问题，底层语料来源于2025年11月14日抓取的英国三星官方网站公开快照，覆盖26个消费电子品类的2162个公开网页，整合了产品介绍自然语言描述、参数规格表格等多模态信息，其创建过程涉及公开网页爬取、半结构化内容解析、人工问题标注等多个环节，最大程度还原了真实商业场景下半结构化语料的复杂性与真实性。
作为面向检索增强生成系统领域的专项评测数据集，SpecsQA主要针对半结构化语料库中需要精确过滤、多源数据聚合、跨文档推理的复杂问答任务设计，弥补了现有基准在语料库级检索评估上的不足。从应用场景来看，该数据集可被广泛用于消费电子领域智能客服RAG系统的性能评测、电商平台产品问答机器人的研发迭代、企业内部产品知识库问答系统的效果验证，以及多模态大模型在混合格式数据理解能力的基准测试等多个方向，为AI应用研发团队提供更贴近真实业务场景的评测标准，降低垂直场景AI应用的落地试错成本。在数据要素市场加速发展的背景下，这类垂直场景专项评测数据集的出现，也进一步完善了AI产业的基础设施布局，为大模型技术向细分行业落地提供了重要的支撑工具。
详情页内容：
_1769672084863.jpg)