微软发布 SynthDocQA 合成文档问答基准：100 份 PDF、9,798 道题测 RAG

微软在 Hugging Face 发布 SynthDocQA 合成文档问答基准，基于 100 份商业领域合成 PDF、共 9,798 道问答对，用于测试 RAG 流水线、PDF 解析器和文档理解模型。该基准覆盖表格、表单、图表等文档元素，采用 CDLA 宽松许可。目前 Hugging Face 数据加载器解析该数据集时报 JSON 结构错误，完整数据暂无法在线预览。