概述
Maritime-OCR-Bench 是一个全面的评估基准,用于衡量多模态大模型在 OCR 相关任务上的能力。当前发布的数据集包含 1,888 个经过人工精心整理的样本,涵盖五种任务类型。
任务类型
评估指标
每种任务类型采用专门的评分方法:
属性
数据统计
各子集统计数据:
图像统计数据:
样例示例
子集: IE
IE
{ "input": [ { "id": "1d6ce119", "content": [ { "text": "请提取所有关键信息,并以 JSON 格式返回。" }, { "image": "[BASE64_IMAGE: png, ~550.9KB]" } ] } ], "target": "{\n \"Document ID\": \"WiCE Error Message Description\",\n \"Revision\": \"REV 1\",\n \"Date\": \"2024-09-12\",\n \"Company_Logo_Text\":\"WIN GD\",\n \"Error Messages\": [\n {\n \"ID Number\": \"COFD-52\",\n \"Designation\": \"Fuel Pump Control Signal #2 Fa ... [TRUNCATED 1668 chars] ... nt must be within 4 ~ 20mA.\\n• If necessary, the sensor can be replaced with new one (Caution: before dismantling, do depressurize rail)\"\n }\n ],\n \"Footer\": \"T_PC-Drawing_Portrait | Release: 3.10 (2024-05-15)\",\n \"Page\": \"Page 20 of 83\"\n}", "id": 0, "group_id": 0, "subset_key": "IE", "metadata": { "task_type": "IE", "prompt": "<image>请提取所有关键信息,并以 JSON 格式返回。", "images": [ "images/580968569085497344_f33f02a81a.png" ] } }
提示模板
提示模板:
{question}
使用方法
使用 CLI
evalscope eval \ --model YOUR_MODEL \ --api-url OPENAI_API_COMPAT_URL \ --api-key EMPTY_TOKEN \ --datasets maritime_ocr_bench \ --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=['maritime_ocr_bench'], dataset_args={ 'maritime_ocr_bench': { # subset_list: ['IE', 'VQA', 'parsing'] # 可选,用于评估特定子集 } }, limit=10, # 正式评估时请删除此行 ) run_task(task_cfg=task_cfg)