跳到正文
arXiv · NLP· Zhivar Sourati, Marianne Menglin Liu, Rongguang Wang, Zheng Wang, Yazhe Hu, Lan Guo, Yuying Wang, Mengqing Guo, Bhavesh Dnyaneshwar Gore, Shubham Pathak, Ramapriya Ranganath, Sandeep Sharma, Tao Sheng, Sujith Ravi, Dan Roth·· 2026-10-16AI 评分26

VELD-QA:长文档视觉证据定位与问答大规模数据集

VELD-QA: A Large-Scale Dataset for Visual Evidence Grounding and Question Answering in Long Documents

AI 导读

VELD-QA 是一个包含 15,000 个人工构建问答对与 5,859 份真实 PDF 的长文档视觉证据基准。 模型在视觉解释与推理上存在瓶颈,Oracle 设定下准确率仅达 81.7%。 利用视觉元素注释可缩小 17-24% 的性能差距,证明了数据增强的价值。

来源:arXiv · NLP · arxiv.org