研究人员推出了MORE，这是一个大规模基准测试，旨在评估Vision-Language Models在_multilingual_文档解析方面的性能。该数据集通过模型辅助、人工精修的标注流水线，从真实世界文档中整理样本，解决了_low-resource languages_缺乏_ground truth_的问题。

  • 覆盖149种语言，使其成为迄今为止语言学多样性最丰富的基准测试。
  • 将评估范围扩展到纯文本之外，包括代码块、表格和目录等结构元素。
  • 使用_state-of-the-art_模型为_long-tail languages_建立了新的_performance baselines_。

该基准测试旨在诊断模型在现实、多样化场景中的能力，而现有工具主要关注英语和中文等_high-resource languages_。