llamaindex/synthtabnet-table-benchmark-hard

--- dataset_info: features: - name: filename dtype: string - name: split dtype: string - name: imgid dtype: int64 - name: dataset dtype: string - name: cells list: list: - name: bbox list: float64 - name: cell_id dtype: int64 - name: is_header dtype: bool - name: span struct: - name: colspan dtype: int64 - name: rowspan dtype: int64 - name: span_type dtype: string - name: tokens list: string - name: otsl list: string - name: html list: string - name: html_restored list: string - name: cols dtype: int64 - name: rows dtype: int64 - name: html_len dtype: int64 - name: otsl_len dtype: int64 - name: image dtype: image splits: - name: train num_bytes: 30994940 num_examples: 300 download_size: 24170591 dataset_size: 30994940 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息（dataset_info）： 特征列表： - 名称：filename（文件名），数据类型：字符串（string） - 名称：split（数据集划分标识），数据类型：字符串（string） - 名称：imgid（图像ID），数据类型：64位整型（int64） - 名称：dataset（来源数据集名称），数据类型：字符串（string） - 名称：cells（表格单元格），类型为嵌套列表： 内层列表包含以下字段： - bbox（边界框）：64位浮点型列表（list: float64） - cell_id（单元格ID）：64位整型（int64） - is_header（是否为表头单元格）：布尔型（bool） - span（单元格跨域参数）：结构体，包含： - colspan（列跨度数）：64位整型（int64） - rowspan（行跨度数）：64位整型（int64） - span_type（跨域类型）：字符串（string） - tokens（词元列表）：字符串列表（list: string） - 名称：otsl，数据类型：字符串列表（list: string） - 名称：html（HTML代码），数据类型：字符串列表（list: string） - 名称：html_restored（还原后的HTML代码），数据类型：字符串列表（list: string） - 名称：cols（表格列数），数据类型：64位整型（int64） - 名称：rows（表格行数），数据类型：64位整型（int64） - 名称：html_len（HTML代码长度），数据类型：64位整型（int64） - 名称：otsl_len（OTSL序列长度），数据类型：64位整型（int64） - 名称：image（图像数据），数据类型：图像类型（image） 数据集划分信息： - 名称：train（训练集），占用字节数：30994940，样本数量：300 下载总大小：24170591字节，数据集存储总大小：30994940字节 配置项列表： - 配置名称：default（默认配置），数据文件： - 数据集划分：train，文件路径：data/train-*