画像認識LLM vs OCR：長文（図表、画像、表などを含む）QAにおける比較

この投稿では、画像や表を含む長文ドキュメントに対する、ビジョン対応LLMとOCRベースのパイプラインのベンチマーク結果を比較しています。MMLongBench-DocデータセットとClaude Sonnet 4.5を使用し、30件のPDFと171件の質問でテストが行われました。