Document Haystack: A Long Context Multimodal Image/Document Understanding Vision LLM Benchmark
机构 * Amazon AGI(亚马逊人工智能研究院)
专题命中 文档图表理解 :vision language model(abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI、cs.LG
AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
机构 * Amazon AGI(亚马逊人工智能研究院)
专题命中 文档图表理解 :vision language model(abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI、cs.LG
专题命中 文档图表理解 :multimodal large language model(abstract);MLLM(abstract)
Comments KDD 2025 v2
机构 * South China University of Technology(华南理工大学) ; Huazhong University of Science and Technology(华中科技大学) ; University of Maryland(马里兰大学)
专题命中 文档图表理解 :multimodal large language model(abstract);分类 cs.CV
Comments In submission. Project website: https://double-bench.github.io/