DocVQA
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。
更新于 2025-10-19
1,044 次浏览
问题数量
50000
发布机构
个人
评测类别
多模态理解
评测指标
Accuracy
支持语言
英文
难度等级
中等难度
简介
DocVQA是一个针对文档图像的视觉问答基准数据集。
相关资源
DocVQA Model Score Leaderboard
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
Latest DocVQA model rankings and full benchmark leaderboard
Browse the latest scores, model modes, release dates, and parameter sizes for DocVQA.
Model release cutoff:
DocVQA详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Qwen2.5-VL-72B-Instruct Standard Mode | 96.40 | 2025-01-28 | 720 |
| 2 | Qwen3-VL-8B-Instruct Standard Mode | 96.10 | 2025-10-15 | 88 |
| 3 | Qwen3-VL-4B-Instruct Standard Mode | 95.30 | 2025-10-15 | 40 |
| 4 | Gemini 2.5 Flash-Lite-Preview-09-2025 Standard Mode | 92.00 | 2025-09-25 | 未知 |
| 5 | GPT-5-Nano Standard Mode | 78.30 | 2025-08-07 | 未知 |