DocBank

该数据集由 500,000 份文档组成，每份文档具有独特的版式，并且每份文档仅包含一页。该数据集已被充分利用，以提升训练效率。从规模上看，它涵盖了 500,000 份文档，其主要任务集中在文档理解上。

This dataset consists of 500,000 documents, each with a unique layout and containing only one page. It has been fully leveraged to enhance training efficiency. In terms of scale, it covers 500,000 documents, and its core tasks focus on document understanding.

搜集汇总

背景与挑战

背景概述

DocBank是一个包含50万份文档的数据集，每份文档具有独特版式且仅含一页，旨在提升训练效率，主要应用于文档理解任务。该数据集规模庞大，专注于通过版式多样性支持文档处理模型的优化。