CIMD

Chinese Industrial Multimodal Dataset中国工业多模态数据集（Chinese Industrial Multimodal Dataset）

搜集汇总

背景与挑战

背景概述

CIMD是一个面向文档智能任务的跨来源、多语言JSONL语料库，包含111,308条解析记录，覆盖制度参考、学术文献、企业运营等多种文档来源。其特点包括按来源家族分为多个可独立加载的子集，每条记录附带丰富的元数据（如来源类型、语言、时间、关键词），适用于多来源文档检索、RAG和长文档问答等应用场景。