vidore-benchmark

给文档检索模型打分，看谁找图找得准

ViDoRe 是一个针对视觉文档检索（Vision Document Retrieval）的基准测试项目，源自 ColPali 论文。它提供了一套标准化的评估代码和数据集，用于衡量多模态模型在文档图像上的检索能力。解决的问题是：传统文本检索无法处理包含复杂布局、图表和手写内容的文档，而 ViDoRe 通过统一的评测框架，让研究者能公平比较不同视觉-语言模型（如 ColPali、ColQwen）在文档检索任务上的表现。核心能力包括：加载多种文档检索数据集（如 arXiv、Tobacco3482）、实现基于视觉嵌入的检索评估流程、支持多种模型接入、输出标准化的检索指标（如 Recall@k）。项目代码结构清晰，便于扩展新数据集和模型，是视觉文档检索领域的重要参考工具。