NTT Corporation 发布 InstructDoc 数据集, 应用在 视觉文档理解、数据集 领域

NTT Corporation 本次发布的数据集 InstructDoc, InstructDoc是由NTT Corporation和东北大学联合创建的大型视觉文档理解数据集，包含30个公开可用的数据集，覆盖12种不同任务，如问答和信息提取。数据集中的每个文档都附有专家标注的多样化指令，遵循统一的指令格式，包括用户的意图和答案风格。InstructDoc旨在通过手工指令提高对开放文档类型/格式的理解能力，如文档布局、文本的可视化表示及对象（如图表）的关系提取。该数据集的应用领域广泛，旨在解决视觉文档理解中的零样本泛化问题。

查看InstructDoc

README 内容： 

关于 NTT Corporation , NTT Corporation（日本电报电话公司）是日本最大的电信公司之一，提供广泛的电信服务，包括固定电话、移动通信、互联网服务和系统集成等。

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。