※本データセットはオンライン利用に対応しておりますが、ここをクリックしてジャンプしてください。

OCRBench-v2は、華中科技大学、華南理工大学、ByteDanceなどの機関によって2025年にリリースされた、マルチモーダル大規模モデル光学式文字認識（OCR）評価ベンチマークです。関連する論文の結果は次のとおりです。OCRBench v2: 視覚テキストのローカリゼーションと推論に関する大規模マルチモーダルモデルを評価するための改良ベンチマーク」は、さまざまなテキスト関連タスクにおける大規模マルチモーダルモデル (LMM) の OCR 機能を評価することを目的としています。

このデータセットは、OCRBenchをベースにした大規模なアップグレードです。公開テストセットとして、手動で検証された中国語と英語の質問と回答のペア10,000件が含まれています。さらに、印刷書籍、電子書籍、スキャン文書、ウェブコンテンツなど、様々なソースから手動で注釈が付けられたリッチテキスト画像1,500件からなるプライベートテストセットも含まれています。このデータは、31の典型的なテキストシナリオと23のサブタスクをカバーし、8つのコアOCR機能（テキスト認識、テキスト検出、テキスト参照位置の特定、関係抽出、要素解析、数学演算、ビジュアルテキスト理解、知識推論）に分類されています。