Fetch-A-Set：一个大规模的无 OCR 历史文档检索基准

ASET 系统允许用户对文本集合进行结构化探索，能够高质量地从真实文本中抽取结构化数据。

三阶段文件 QA 方法通过从 PDF 中提取文本、检索证据和提取知识，提升了科学文献问答的性能。

图像检索基准测试研究了注释错误和数据集难度，创建了新的数据集注释以公平比较不同方法。

FREDo 是一种少样本文档级关系抽取基准测试，构建了具有挑战性的任务，特别关注 NOTA 分布的真实性。

DELIN8K 数据集在文档语义分割任务中表现出卓越性能，提供了全面的文档语义分割流程。

FUNSD 数据集用于处理噪声扫描文档中的表单理解，包含详尽注释的真实扫描表单。

研究表明，通过优化检索设置可以提高开放领域问答系统的性能，宏观 F1 得分提升达到 10%。

FIR 数据集是针对法律领域的半结构化文档分析数据集，使用先进的模型实现了文本的边界定位和识别。

提出了针对图文检索的细粒度语义匹配问题的解决方案，并指出了模型在细粒度语义理解方面的不足。

构建了一个可扩展的解决方案，以从大规模研究文档中提取复杂信息，解决医疗保健行业的非结构化数据问题。