SoMarkAI/DocParsingBench

DocParsingBench是一个包含1400张图片的文档智能测评数据集，系统性地采集并标注了来自真实业务流程的文档样本，首次系统性总结企业高频的文档元素，涵盖金融、法律、科研、工业、教育五大领域。

---

🆕 最新资讯

[2026.03.09] DocParsingBench v1.0 正式发布！首个面向真实行业场景的智能文档解析数据集，涵盖金融、法律、科研、工业、教育五大领域。现已上线 Hugging Face！🔥🔥🔥

---

🎯 核心亮点

✅ 1. 五大真实行业场景

我们系统性地采集并标注了来自真实业务流程的文档样本，保留了扫描噪声、印章遮挡、模糊字符:

行业	文档类型	场景特征
金融	券商研报、上市公司财报、招股说明书	多栏报表、带印章的PDF扫描件、复杂表格
法律	法律文书、合同条款、行业标准规范	页眉页脚规范化、脚注密集、参考文献交叉引用
科研	学术论文、编程教材、专利全文	双栏/三栏混合、公式密集、代码段、化学式
工业制造	操作SOP、表格单据	扫描件模糊、手写填空项、二维码/条形码
教育	书籍教材、英文、化学、数学	化学结构式、化学反应式、选择题选项、填空空白

✅ 2. 复杂版面全覆盖

• 单栏：教材、法律文书
• 双栏：学术论文、部分研报
• 三栏及以上：券商财报、数据报表
• 混合布局：图文混排、表格跨栏、侧边栏嵌套

---

📊 数据构成

维度	分类
总样本量	1400页
语言	中文、英文、中英混合
行业分布	金融 / 法律 / 科研 / 工业 / 教育
版面分布	单栏 / 双栏 / 三栏 / 混合
标注格式	Markdown
化学标注	采用 SoMarkdown 规范，将 SMILES 与 LaTeX 结合进行表达，可完整渲染化学结构式

---

🏗️ 数据处理与标注理念

• 坚持全人工标注，因为文档解析的“正确答案”不该是模型猜出来的。因为我们在实践中发现：模型预标注的误差会被标注员“惯性接受”。标注员面对已有markdown结果时，倾向于微调而非重画，导致模型错误被固化。每一根框线，都是一笔一笔画出来的；每一个字都是通过键盘输入的。这不是效率最高的方式，但这是质量最高的方式。
• 这是本项目投入时间最长的环节。我们为每一类文档元素制定了详细的边界判定规则，逐类试标、迭代、定稿。
• 每一类规范都经过3轮以上试标+全员培训+一致性测试，确保不同标注员对同一页面的判定差异<5%。累计退回重标批次6轮，标注-复核工时比1 : 0.8

📈 评测基准（待发布）

我们同期发布的DocParsingBench行业文档解析评测基准欢迎社区参与评测！📊

❤️ 致谢

这是一个需要极大耐心的工作。一个复杂页面的化学式+表格混排，可能耗时数小时；一次边界分歧导致的整批次退回，意味着数百小时的重来。每一页标注的背后，都是人眼对文档结构的理解，是人手对markdown的确认。感谢所有标注团队的坚持。

同时感谢 SoMarkdown 项目提供的化学结构式标注规范，使我们能够用精确表达大模型可读的化学内容。

---

📖 引用

如果您在研究中使用了DocParsingBench，请按如下格式引用：

@misc{DocParsingBench-2026,
  title={DocParsingBench},
  author={SoMark},
  year={2026},
  publisher={Hugging Face,ModelScope},
  howpublished={\url{https://modelscope.cn/datasets/SoMark/DocParsingBench}}
}

---

📜 许可证

本项目采用 ODC-BY (Open Data Commons Attribution License) 许可证，开放学术研究和商业应用。

---

🌟 如果您觉得这个数据集有价值，欢迎在 modelscope/Hugging Face 上给我们 ⭐！

下载方法

:modelscope-code[]{type="sdk"} :modelscope-code[]{type="git"}