資料內(nèi)容：
當(dāng)前數(shù)據(jù)集缺陷
當(dāng)前多模態(tài)數(shù)據(jù)集主要分為3類：
1. ??級：以?檔名作為?件夾命名、每??的?件內(nèi)容以圖?形式提供，按?碼排序，問答對以
23
parquet形式提供
2. 塊級：
a. 提供pdf?檔源?件、問答對json（包含問題、答案、引?的塊，塊通過layout劃分并建?索
引）
b. 分別提供圖?、圖表、?本三部分內(nèi)容，三種模態(tài)分屬同?主題的不同內(nèi)容，并?強(qiáng)相關(guān)性
第?類：以圖?形式提供的??級數(shù)據(jù)集，往往內(nèi)容形式豐富，且保留了模態(tài)間的布局關(guān)系，但是主要
?于將多模態(tài)統(tǒng)?到圖?模態(tài)進(jìn)?檢索的rag，并不是真正的多模態(tài)
第?類：以pdf源?件+json形式提供的數(shù)據(jù)集，為了便于通過layout劃分塊并建?順序索引，往往采?結(jié)
構(gòu)?較固定的?檔（wiki、學(xué)術(shù)論?），且json中以list列表依賴的塊，丟失了塊之間的布局、位置關(guān)系
等信息
第三類：將三種模態(tài)分開提供的數(shù)據(jù)集，?模態(tài)數(shù)據(jù)間的布局、語義等關(guān)聯(lián)關(guān)系
