---
title: multimodal_table_recognition
canonical_url: "https://www.modelscope.cn/datasets/cnfeichen/multimodal_table_recognition"
md_url: "https://www.modelscope.cn/datasets/cnfeichen/multimodal_table_recognition.md"
repository: cnfeichen/multimodal_table_recognition
last_updated: 2026-10-26
license: other
storage_size: "18 MB"
downloads: 140
stars: 0
---

# multimodal_table_recognition

> multimodal_table_recognition - cnfeichen 在 ModelScope 开源的数据集。multimodaltablerecognition — 复杂表格识别与内容理解(天池赛数据)

cnfeichen/multimodal_table_recognition 是 ModelScope 魔搭社区上的数据集，存储大小 18 MB，采用 other 许可。

- **Repository**: cnfeichen/multimodal_table_recognition
- **License**: other
- **Storage size**: 18 MB
- **Downloads**: 140
- **Stars**: 0
- **Last updated**: 2026-10-26

Source: https://www.modelscope.cn/datasets/cnfeichen/multimodal_table_recognition

---

# multimodal_table_recognition — 复杂表格识别与内容理解(天池赛数据)

阿里云天池「知乎知学堂大模型挑战赛:大模型复杂表格识别与内容理解」(competition 532510)的题目数据副本,**私有留存用**,版权归主办方所有,仅供参赛与学习研究,请勿再分发。

原始页面:https://tianchi.aliyun.com/competition/entrance/532510/information

## 内容

```
multimodal_table_recognition/
├── files/                # 92 个业务文档:34 jpg + 31 png + 26 pdf + 1 webp
│                         # (财务报表/销售报表/对账单/质检报告等,含跨页/合并单元格/多级表头/弱边框等难点)
├── tests.xlsx            # 题目清单:908 题,7 列(id, file_name, question_type, question, table_hint, answer_format, answer)
└── submit-template.xlsx  # 提交模板(id, answer 两列)
```

## 统计

- **题型**:extract 652(72%)| thinking 216(24%)| structure 39(4%)| 脏行 1(见下)
- **answer_format**:string 396 | number 365 | json_array 107 | json 40
- 90 个文件被引用,每文件 1~28 题(平均 10);table_hint 665 题非空
- PDF 以单页为主(18/25),多页 7 个,最大 8 页

## 已知数据质量备注(2026-10 版数据)

1. **脏行 id=63**:`question_type` 列被问句占据(应为 extract,依据 answer_format=json_array 与问法)
2. **文件名笔误 3 处**:清单引用 `58.pdf`/`59.pdf`/`0060.pdf`,目录实际为 `058.pdf`/`059.pdf`/`060.pdf`(去前导零可唯一对上)
3. `answer` 列全空(纯测试集,无本地金标)
4. `003.pdf`≈`004.pdf`、`006.pdf`≈`007.pdf` 为等大小副本;`004.pdf`、`009.pdf`、`094.jpg` 未被任何题引用

## 赛题答案格式速查

- structure:JSON(`row_count/col_count/cells`,每个真实单元格一次,合并只出左上角,行列从 0 编号;局部恢复仍填全表逻辑行列数)
- extract/thinking:单值直接填;多值 JSON 数组;数字去千分位;空值填空字符串