Zovda
图表是商业文档里密度最高、在训练数据里出现最少的格式。真被收进来的时候，通常是一张图、一个问题、一个答案。
这足够用来考一个模型，不足以教一个模型——因为答案来自模型从没见过的那些数字。
像素是一种有损编码
一根柱子停在 40 和 50 之间的网格线上，它可能是 44，也可能是 49。从像素读数的模型是在估，而一次碰巧估对的测试，不是能力。
把图和它依据的那张表配在一起。这样任务才有一个不依赖渲染器怎么取整的标准答案。
一条图表记录该有什么
- 图像，尺寸已知
- 底表：系列、类别、数值
- 图表类型与坐标轴范围，包括是否从零开始
- 标题与轴标签，逐字保留
- 问题，以及它要求哪种操作：读数、比较、求和、外推
最后一项把「查」和「算」分开了，这两类应该分开计数。
坐标轴的花招才是考卷
截断的轴、双轴、对数刻度上的折线，才是图表模型真正显本事的地方。一个全是从零开始的规范柱状图数据集，教的是容易的那一半。
收人们真会做出来的图，带着他们惯用的那些失真，把会误导人的那些标出来。
用底表能回答的问题出题
每道题先对着表写一遍。如果这张表回答不了，那这道题考的是渲染器，不是读者。
这些记录由 Zovda 通过 Datuva 生产，表始终跟着图一起存。图像语料列出了文档图像携带的字段。
告诉我们你的模型要从页面上读出什么，我们会在 1 个工作日内回复。