VELD-QA长文档视觉问答基准发布

2026年10月16日，arXiv Computer Vision 刊出由 Zhivar Sourati 等作者发布的 VELD-QA，一个面向长文档视觉证据定位与问答的大规模基准。据该报道，VELD-QA 包含 15,000 个人工编写的问答对，覆盖 5,859 份真实 PDF、共 372,445 页，并在图表、表格与复杂版式任务之间保持均衡。报道同时称相关代码已公开提供。目前该事件仅有这一篇主报道，尚无后续跟进报道，因此不存在与早先报道在数字、时间或说法上的矛盾；上述规模、覆盖范围与任务构成均以该报道的表述为准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。