OCRBench-v2 ist ein multimodaler Benchmark zur Bewertung der optischen Zeichenerkennung (OCR) im Großmaßstab, der 2025 von der Huazhong University of Science and Technology, der South China University of Technology, ByteDance und anderen Institutionen veröffentlicht wurde. Die relevanten Ergebnisse des Papiers sind „OCRBench v2: Ein verbesserter Benchmark zur Bewertung großer multimodaler Modelle zur visuellen Textlokalisierung und -begründung“, dessen Ziel darin besteht, die OCR-Fähigkeiten großer multimodaler Modelle (LMMs) in verschiedenen textbezogenen Aufgaben zu bewerten.

Dieser Datensatz ist ein umfangreiches Upgrade auf Basis von OCRBench. Er enthält 10.000 manuell verifizierte chinesisch-englische Frage-Antwort-Paare als öffentlichen Testsatz sowie einen zusätzlichen privaten Testsatz mit 1.500 manuell annotierten Rich-Text-Bildern aus verschiedenen Quellen, darunter gedruckte Bücher, E-Books, gescannte Dokumente und Webinhalte. Die Daten decken 31 typische Textszenarien und 23 Unteraufgaben ab, die in acht OCR-Kernfunktionen (Texterkennung, Textdetektion, Textreferenzlokalisierung, Beziehungsextraktion, Elementanalyse, mathematische Operationen, visuelles Textverständnis und Wissensschlussfolgerung) kategorisiert sind.