Khondo: Primo Benchmark per la Divisione di Pacchetti di Documenti di Moduli Bangla

Khondo è stato istituito come primo standard per la suddivisione di pacchetti di documenti, concentrandosi sui moduli utilizzati dal governo bengalese. I pacchetti di documenti, costituiti da più documenti fusi in un unico file, sono prevalenti nei processi amministrativi ma pongono sfide per la separazione, specialmente in lingue con poche risorse. A differenza dei precedenti dataset basati su inglese e testo OCR, Khondo è sia bilingue (Bangla–Inglese) che nativo visivo, lavorando direttamente con immagini di pagine. Comprende cinque diversi metodi di concatenazione, che vanno da sequenziale a completamente mescolato, in 14 settori amministrativi, completi di confini reali, classificazioni di dominio e sequenze di pagine. Una valutazione zero-shot di modelli linguistici multimodali di grandi dimensioni (MLLM) indica che raggruppano efficacemente le pagine nei loro documenti originali ma trovano difficile ripristinare la sequenza originale dopo il mescolamento. Due studi controllati che modificano le istruzioni del prompt e le architetture del modello individuano questa sfida.