DocVQA (文書理解ベンチ)
読み: どっくぶいきゅーえー
最終更新: 2026-07-24・AI PICKS編集部
定義
DocVQAとは、スキャンした請求書や契約書などの文書画像に対して質問応答を行わせ、AIモデルの文書理解力・OCR精度を測定するベンチマークのこと。
DocVQA (文書理解ベンチ)とは — 詳しく解説
DocVQAは、請求書・契約書・申請書などレイアウトが複雑な文書画像に対して質問を投げかけ、AIモデルが正しく回答できるかを測定するベンチマークとして業界標準的に用いられている。単純なOCR精度だけでなく、表組みやレイアウト構造を踏まえた読解力を評価できる点が特徴とされる。もっとも、ベンチマークのスコアが高くても実運用では手書き文字や低解像度スキャン、複数言語混在の文書で精度が落ちるケースがあるとされ、現場導入前にはPoCで自社文書に近いサンプルを使った検証が欠かせない。2026年時点では主要マルチモーダルLLMがいずれも高いDocVQAスコアを公表しているが、スコアの前提条件(言語・文書の種類)が異なるため単純比較は注意が必要とされる。コスト面では、API呼び出し課金の従量制が主流で、大量文書を処理する場合は月額の相場感を事前に見積もったうえでモデル選定を行うのが望ましいとされる。
DocVQA (文書理解ベンチ)の使用例
- プロンプト例：請求書画像を読み込ませ「合計金額と支払期限を抽出して」と質問し、フォーマット非依存の抽出精度を評価する。
- 活用例：複数モデルのDocVQAスコアを比較し、手書き文字を含む申請書PDFの自動読み取り精度が業務要件を満たすか現場でPoC検証する。
DocVQA (文書理解ベンチ)に関連するAIツール
関連用語
「評価指標」の他の用語
Massive Multitask Language Understanding。 57 分野・1.5 万問の LLM 知識評価ベンチマーク。
OpenAI 発の Python コーディング能力ベンチマーク。 164 問の関数実装タスク。
ユーザー投票による LLM の人間評価ランキング。 Elo レーティングで モデルを順位付け。
ベンチマークとは、AIモデルの性能を標準化されたテスト課題で数値化し、異なるモデル間を公平に比較するための評価基準セットのこと。MMLUやHumanEval等、用途別に数十種類が存在する。
SWE-benchとはGitHubの実際のIssueをAIが自動修正できるかを測る、コーディングAI評価の業界標準ベンチマークのこと。
GPQAとは、生物・物理・化学の大学院レベルの難問でAIの推論力を測る評価ベンチマークのこと。Googleで検索しても解けない設計が特徴。
AI用語辞典をすべて見てみませんか
12カテゴリ・913語以上を体系的に整理しています
辞典トップへ