allenai/olmOCR-mix-1025
收藏Hugging Face2025-10-21 更新2025-10-25 收录
下载链接：
https://hf-mirror.com/datasets/allenai/olmOCR-mix-1025
下载链接
链接失效反馈官方服务：
资源简介：
olmOCR-mix-1025是一个包含约270,000个PDF页的数据集，这些PDF页已经被OCRed成纯文本，并保持了页面中的原生数字内容。该数据集可用于训练、微调或评估OCR文档管道。
olmOCR-mix-1025 is a dataset of ~270,000 PDF pages which have been OCRed into plain-text in a natural reading order while preserving any born-digital content from each page. This dataset can be used to train, fine-tune, or evaluate your own OCR document pipeline.
提供机构：
allenai
