LongHisDoc：中文长篇历史文档理解评测基准

研究人员推出首个面向中文长篇历史文档理解的评测基准 LongHisDoc，包含 101 个 PDF 文档及 1,012 个专家标注问答对，单篇平均 85.1 页和 42,776.4 tokens。该基准涵盖 10 个类别与 4 类问答题型，评测显示表现最佳的 LVLM 与 LLM 准确率分别仅为 62.9% 和 69.9%，相关评测代码与数据已开放。