标签
介绍DocAnnot框架，该框架使用大型视觉语言模型、OCR以及一种空间感知的上下文匹配算法，自动生成用于文档关键信息提取的训练数据集，减少人工标注工作量。在CORD和SROIE基准测试中评估，取得了合理的F1分数，并实现了高效的人工验证。
提出了BaFCo，一个面向孟加拉语表单理解的基准数据集，重点关注文档布局分析（DLA）和关键信息提取（KIE）。该数据集包含200份多页复杂孟加拉国政府表单，涵盖26种实体类型的细粒度标注，并对多个多模态大型语言模型（MLLMs）进行了评估，揭示了当前模型在理解复杂孟加拉语表单方面的局限性。