Su 255 valutazioni modello-documento, un solo documento è stato estratto alla perfezione.
In rosso le allucinazioni:
valori che il modello dichiara ma che non sono stampati sul documento.
Field-F1 sugli 85 documenti immagine del benchmark. Il tuo modello fa meglio?
La classifica è aperta: gold e scorer sono nel dataset, tutto si valuta offline.