上海人工智能实验室 opendatalab 团队正式推出 sciencemetabench 科学文献元数据

数据集地址：https://www./link/918d2d39616621eedbe76248d1e3abcb
评测工具代码 (Dingo)：https://www./link/2ab507032a57dc82c268ea84eeecab35

据悉，ScienceMetaBench 聚焦于科学文献 PDF 中结构化元信息的精准识别与抽取能力评估，覆盖三大主流文档类型：学术论文（Paper）、教科书（Textbook）及电子书（Ebook）。在构建过程中，团队特别强化了对中英文双语场景的支持，从文本识别、字段解析到语义对齐均实现语种自适应，保障元数据提取结果与原文语言高度一致。

下图展示了从学术论文 PDF 首页中成功抽取的元数据字段实例：

需从论文首页准确提取以下核心字段：{

  "sha256": "8d3e...f3a", // 文件级唯一哈希值，支撑数据溯源与版本管理``  "doi": "10.1186/s41038-017-0090-z", // 国际数字对象标识符``  "title": "Children are not little adults...", // 文献标题（保留原始大小写与标点）``  "author": "Tina L. Palmieri, ...", // 作者列表，统一采用英文逗号分隔格式``  "keyword": "Blood transfusion, Pediatric", // 关键词集合，同样以英文逗号分隔``  "abstract": "Blood transfusion in burns larger than...", // 完整摘要文本（不含冗余符号或页眉页脚）``  "pub_time": "2017" // 标准化出版年份（仅保留四位数字）``}

为增强样本多样性与现实鲁棒性，研究团队融合多源异构PDF数据采集策略，并引入 K-Means 图像聚类方法对页面布局进行无监督分组，有效覆盖从紧凑单栏到复杂多栏、含图表/公式/多语言混排等典型困难案例。标注流程采用“大模型预标注 + 领域专家人工校验”的协同范式，并严格对标 OmniDocBench（MinerU 评测所采用的权威基准），确保标注规范性、字段完整性与评测维度的前沿性。

源码地址：点击下载

# word  # git  # go  # github  # 人工智能  # 工具  # pdf  # 多语言  # 大模型  # 上海  # 标识符  # 对象  # https  # 关键词  # 英文  # 首页  # 三大  # 点击下载  # 不含  # 四位  # 对中  # 过程中 

相关栏目： 【 网站优化151355 】 【 网络推广146373 】 【 网络技术251813 】 【 AI营销90571 】

相关推荐： 如何在腾讯云服务器快速搭建个人网站？  悟空浏览器如何设置小说背景色_悟空浏览器背景色设置【方法】  Windows家庭版如何开启组策略(gpedit.msc)？（安装方法）  学生网站制作软件,一个12岁的学生写小说，应该去什么样的网站？  html如何与html链接_实现多个HTML页面互相链接【互相】  百度输入法全感官ai怎么关 百度输入法全感官皮肤关闭  Laravel中间件起什么作用_Laravel Middleware请求生命周期与自定义详解  IOS倒计时设置UIButton标题title的抖动问题  大学网站设计制作软件有哪些,如何将网站制作成自己app？  Laravel如何实现API版本控制_Laravel版本化API设计方案  iOS发送验证码倒计时应用  bootstrap日历插件datetimepicker使用方法  DeepSeek是免费使用的吗 DeepSeek收费模式与Pro版本功能详解  Laravel如何实现文件上传和存储？（本地与S3配置）  品牌网站制作公司有哪些,买正品品牌一般去哪个网站买？  Laravel项目怎么部署到Linux_Laravel Nginx配置详解  Laravel如何使用Blade模板引擎？（完整语法和示例）  制作企业网站建设方案,怎样建设一个公司网站？  Laravel Fortify是什么，和Jetstream有什么关系  MySQL查询结果复制到新表的方法(更新、插入)  如何快速搭建FTP站点实现文件共享？  如何彻底删除建站之星生成的Banner？  Swift中switch语句区间和元组模式匹配  微信推文制作网站有哪些,怎么做微信推文，急？  百度浏览器网页无法复制文字怎么办 百度浏览器复制修复  Laravel如何处理CORS跨域请求？（配置示例）  清除minerd进程的简单方法  PythonWeb开发入门教程_Flask快速构建Web应用  Laravel如何实现模型的全局作用域？（Global Scope示例）  Laravel如何实现数据导出到PDF_Laravel使用snappy生成网页快照PDF【方案】  如何在香港免费服务器上快速搭建网站？  EditPlus 正则表达式 实战(3)  如何在建站之星绑定自定义域名？  Laravel怎么集成Vue.js_Laravel Mix配置Vue开发环境  车管所网站制作流程,交警当场开简易程序处罚决定书，在交警网站查询不到怎么办？  香港服务器选型指南：免备案配置与高效建站方案解析  Laravel如何实现数据导出到CSV文件_Laravel原生流式输出大数据量CSV【方案】  大连网站制作公司哪家好一点,大连买房网站哪个好？  消息称 OpenAI 正研发的神秘硬件设备或为智能笔，富士康代工  Laravel如何处理文件下载请求？（Response示例）  微信小程序 input输入框控件详解及实例（多种示例）  如何用ChatGPT准备面试 模拟面试问答与职场话术练习教程  作用域操作符会触发自动加载吗_php类自动加载机制与::调用【教程】  如何用VPS主机快速搭建个人网站？  零基础网站服务器架设实战：轻量应用与域名解析配置指南  iOS中将个别页面强制横屏其他页面竖屏  Laravel如何实现本地化和多语言支持_Laravel多语言配置与翻译文件管理  Win11摄像头无法使用怎么办_Win11相机隐私权限开启教程【详解】  微博html5版本怎么弄发语音微博_语音录制入口及时长限制操作【教程】  Laravel怎么使用Blade模板引擎_Laravel模板继承与Component组件复用【手册】