coldoc/syntheticDocQA_government_reports_test

---
dataset_info:
features:
- name: query
dtype: string
- name: image
dtype: image
- name: image_filename
dtype: string
- name: answer
dtype: string
- name: page
dtype: string
- name: model
dtype: string
- name: prompt
dtype: string
- name: source
dtype: string
splits:
- name: test
num_bytes: 382540990.0
num_examples: 1000
download_size: 338596059
dataset_size: 382540990.0
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• query: 数据类型为字符串。
• image: 数据类型为图像。
• image_filename: 数据类型为字符串。
• answer: 数据类型为字符串。
• page: 数据类型为字符串。
• model: 数据类型为字符串。
• prompt: 数据类型为字符串。
• source: 数据类型为字符串。

数据集分割

• test:
  • 示例数量: 1000
  • 数据大小: 382540990.0 字节

数据集大小

• 下载大小: 338596059 字节
• 数据集总大小: 382540990.0 字节

配置

• config_name: default
  • data_files:
    • split: test
      • path: data/test-*

搜集汇总

背景与挑战

背景概述

该数据集是一个多模态政府报告文档检索基准测试集，包含1000个PDF页面和100个由AI生成并经过人工筛选的问答对，用于评估视觉文档检索系统在行政/法律文件领域的性能。数据集采用问答格式，结合了文本和图像信息，适用于多模态检索任务的研究和评估。