为什么重要
DocVQA 评测模型理解扫描文档（发票、合同、表单等）的能力。是文档 AI 领域的标准基准。
构建方式与示例
12,767 个文档图像 + 50,000 个问答对。例如：[发票扫描件] “这张发票的总金额是多少？“
返回评测
文档与OCR 文档-VQA 接近饱和
模态 · 图像
任务 · 开放生成
DocVQA
50,000 个基于真实文档图像的问答题，需要模型理解表格/表单/发票等文档布局
CVC Barcelona ·
考察能力
文档理解 OCR 表格理解 表单理解 版面分析
构建信息
- 数据规模
- 50,000 QA pairs / 12,767 images
- 评测方式
- 标准评测
- 核心指标
- ANLS (%)
资源链接
模型效果排行
🥇 Gemini 2.5 Pro
95.2%
🥈 GPT-5 Vision
93.8%
🥉 Claude Opus 4 Vision
91.4%
文档 OCR 表格 多模态