研究者らは、文書理解タスクにおけるベンガル語などの低資源言語の高品質な注釈付きデータの不足に対処するために設計された新しいベンチマークデータセットであるBaFCoを紹介した。このデータセットは、農業、教育、銀行、土地管理などの分野から200の多ページで複雑なバングラデシュ政府フォームをキュレーションし、Document Layout Analysis (DLA) と Key Information Extraction (KIE) に焦点を当てている。

  • BaFCoには、26種類のフォームエンティティと構造的多様性を捉えるための5種類の粗粒度エンティティセットからなる微細な注釈スキーマが含まれている。
  • 本研究は、ChatGPT、Gemini、Claude、Qwen、Kimiシリーズの最新Multimodal Large Language Models (MLLMs) をゼロショットおよびチェーン・オブ・ソートプロンプトを使用して評価した。
  • 結果は、現在のMLLMsがベンガル語フォームを理解する能力に制限があることを浮き彫りにしており、特に非常に微細なフォームエンティティの正確な局所化において顕著である。

データセットとコードは。