大模型文档理解前沿进展:StrucTexTv3及工程图纸理解评测基准DesignQA

文章预览

今天是2024年6月4日，星期二，北京，天气晴。 我们来看看文档理解前沿进展:StrucTexTv3及DesignQA常规任务，供大家一起参考并思考。 问题1:文档理解前沿进展:StrucTexTv3及DesignQA常规任务 我们可以开展StrucTexTv3模型， 《StrucTexTv3: An Efficient Vision-Language Model for Text-rich Image Perception, Comprehension, and Beyond》  (https://arxiv.org/pdf/2405.21013) 可以关注的是其中的训练数据： 一些常规的任务： 而除了卷长文档理解，还可以卷特定的场景文档，例如，《DesignQA: A Multimodal Benchmark for Evaluating Large Language Models’ Understanding of Engineering Documentation》(https://arxiv.org/pdf/2404.07917)，这个也很有意思，其介绍了一种名为DesignQA的新型基准，旨在评估多模态大型语言模型（MLLMs）在 理解和应用技术文档中工程要求的能力 。 DesignQA的地址在https://github.com/anniedoris/design_qa/。 该基准的开发专 ………………………………