MIRACL-VISION 是由 NVIDIA 于 2025 年发布的一个多语言视觉检索数据集，相关论文成果为「MIRACL-VISION: A Large, multilingual, visual document retrieval benchmark」，旨在评估多语言、多模态检索管道。

该数据集包含 7,898 个用户问题和 338,734 张维基百科文章图片及对应标注，支持阿拉伯语、孟加拉语、英语、西班牙语、波斯语、芬兰语、法语、印地语、印尼语、日语、韩语、俄语、斯瓦希里语、泰卢固语、泰语、中文和约鲁巴语等 18 种语言。

数据集组成

• 语言子集：数据集涵盖 18 种语言，每种语言对应独立的配置（config）和数据文件。

• Queries：存储用户查询文本，采用 Parquet 格式。

• Corpus：存储维基百科文章及其对应的图像数据，采用 Parquet 格式。

• Qrels：存储查询与文档之间的相关性信息，采用 Parquet 格式。

• Images：存储与文档关联的图像数据，采用 Parquet 格式。

Citation

@misc{osmulsk2025miraclvisionlargemultilingualvisual,
      title={MIRACL-VISION: A Large, multilingual, visual document retrieval benchmark}, 
      author={Radek Osmulsk and Gabriel de Souza P. Moreira and Ronay Ak and Mengyao Xu and Benedikt Schifferer and Even Oldridge},
      year={2025},
      eprint={2505.11651},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2505.11651}, 
}