evalstone/evalscope/docs/zh/benchmarks/docvqa.md

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)