PulseAugur
实时 17:10:37
English(EN) ChartVerse: Scaling Chart Reasoning via Reliable Programmatic Synthesis from Scratch

ChartVerse 框架为 VLMs 合成复杂的图表和推理数据

研究人员推出 ChartVerse,一个旨在为视觉语言模型 (VLMs) 生成复杂图表和可靠问答数据的新框架。该系统通过使用一种称为 Rollout Posterior Entropy 的新颖指标合成多样化、高复杂度的图表,解决了现有数据集的局限性。为确保准确性,ChartVerse 采用了一种基于事实的逆向 QA 合成方法,在生成问题和验证一致性之前直接从源代码提取答案。由此产生的 ChartVerse-8B 模型展示了最先进的性能,超越了其教师模型,并可与更强的现有模型相媲美。 AI

影响 增强了 VLM 在图表理解和推理方面的能力,可能改进数据分析工具。

排序理由 这是一篇介绍图表推理新框架和模型的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

ChartVerse 框架为 VLMs 合成复杂的图表和推理数据

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Zheng Liu, Honglin Lin, Chonghan Qin, Xiaoyang Wang, Xin Gao, Yu Li, Mengzhang Cai, Yun Zhu, Zhanping Zhong, Qizhi Pei, Zhuoshi Pan, Xiaoran Shang, Bin Cui, Conghui He, Wentao Zhang, Lijun Wu ·

    ChartVerse: Scaling Chart Reasoning via Reliable Programmatic Synthesis from Scratch

    arXiv:2601.13606v2 Announce Type: replace Abstract: Chart reasoning is a critical capability for Vision Language Models (VLMs). However, the development of open-source models is severely hindered by the lack of high-quality training data. Existing datasets suffer from a dual chal…