DocVQA#

概述#

DocVQA（Document Visual Question Answering，文档视觉问答）是一个用于评估 AI 系统根据文档图像（如扫描页面、表单、发票和报告）回答问题能力的基准测试。该任务不仅要求简单的文本提取，还需要理解复杂的文档布局、结构和视觉元素。

任务描述#

  • 任务类型：文档视觉问答

  • 输入：文档图像 + 自然语言问题

  • 输出：从文档中提取的单个词或短语作为答案

  • 领域：文档理解、OCR、版面理解

主要特点#

  • 涵盖多种文档类型（表单、发票、信函、报告）

  • 需要理解文档的版面与结构

  • 同时考察文本提取能力和上下文推理能力

  • 问题要求定位并解读特定信息

  • 结合了 OCR 能力与视觉理解能力

评估说明#

  • 默认使用 验证集（validation split）进行评估

  • 主要指标：ANLS（Average Normalized Levenshtein Similarity，平均归一化编辑距离相似度）

  • 答案格式应为 "ANSWER: [ANSWER]"

  • ANLS 指标可容忍轻微的 OCR 或拼写差异

  • 每个问题可能接受多个有效答案

属性#

属性

值

基准测试名称

docvqa

数据集 ID

lmms-lab/DocVQA

论文

N/A

标签

Knowledge, MultiModal, QA

指标

anls

默认示例数量

0-shot

评估划分

validation

数据统计#

指标

值

总样本数

5,349

提示词长度（平均）

254.82 字符

提示词长度（最小/最大）

220 / 354 字符

图像统计信息：

指标

值

总图像数

5,000

每样本图像数

最小: 1, 最大: 1, 平均: 1

分辨率范围

593x294 - 5367x7184

格式

png

样例示例#

子集: DocVQA

{
  "input": [
    {
      "id": "002390bd",
      "content": [
        {
          "text": "Answer the question according to the image using a single word or phrase.\nWhat is the ‘actual’ value per 1000, during the year 1975?\nThe last line of your response should be of the form \"ANSWER: [ANSWER]\" (without quotes) where [ANSWER] is the answer to the question."
        },
        {
          "image": "[BASE64_IMAGE: png, ~1.2MB]"
        }
      ]
    }
  ],
  "target": "[\"0.28\"]",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "questionId": "49153",
    "question_types": [
      "figure/diagram"
    ],
    "docId": 14465,
    "ucsf_document_id": "pybv0228",
    "ucsf_document_page_no": "81"
  }
}

提示模板#

提示模板：

Answer the question according to the image using a single word or phrase.
{question}
The last line of your response should be of the form "ANSWER: [ANSWER]" (without quotes) where [ANSWER] is the answer to the question.

使用方法#

使用 CLI#

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets docvqa \
    --limit 10  # 正式评估时请删除此行

使用 Python#

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['docvqa'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)