加载中...
加载中...
DocVQA是一个针对文档图像的视觉问答基准数据集。该数据集包含50,000个问题，这些问题基于12,767张文档图像构建而成。数据集旨在评估模型在提取和理解文档内容方面的能力，特别是当问题涉及布局、表格和文本时。基准通过提供标注的问答对，支持模型在真实文档场景下的测试。
DocVQA是一个针对文档图像的视觉问答基准数据集。
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Qwen2.5-VL-72B-Instructdefault | 96.4 | 2025-01-28 | 720 |
| 2 | Qwen3-VL-8B-Instructdefault | 96.1 | 2025-10-15 | 88 |
| 3 | Qwen3-VL-4B-Instructdefault | 95.3 | 2025-10-15 | 40 |
| 4 | 92 | 2025-09-25 | 未知 | |
| 5 | GPT-5-Nanodefault | 78.3 | 2025-08-07 | 未知 |