PulseAugur
中
实时 11:36:16

新的监督方法改进图表到代码的AI模型

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员引入了一种名为“观测对齐监督”的新监督框架，以改进图表到代码的生成模型。该方法解决了模型在训练时使用假设目标完全可观测的参考绘图脚本的问题，而视觉数据（如图表）通常并非如此。新框架用图表中视觉信息直接约束的数量替换了潜在的原始数据目标，例如箱线图的汇总统计数据或饼图的比例。使用该框架在ChartMimic和ChartX等数据集上进行的实验表明，模型恢复可观测值的能力得到了一致的提高。 AI

影响 这种新的监督技术有望提高从图表等视觉数据生成代码的AI模型的准确性和可靠性。

排序理由 该集群包含一篇详细介绍AI模型训练新方法的学术论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的监督方法改进图表到代码的AI模型

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Tianhao Niu, Qingfu Zhu, Wanxiang Che ·

    所见即所得：面向图表到代码生成的观测对齐监督

    arXiv:2607.04726v1 Announce Type: new Abstract: Chart-to-code generation is commonly trained with supervised fine-tuning on reference plotting scripts, implicitly treating the gold code as a fully observable target. We argue that this assumption is often invalid: many chart progr…

  2. arXiv cs.CL TIER_1 English(EN) · Wanxiang Che ·

    所见即所得：面向图表到代码生成的观测对齐监督

    Chart-to-code generation is commonly trained with supervised fine-tuning on reference plotting scripts, implicitly treating the gold code as a fully observable target. We argue that this assumption is often invalid: many chart programs contain latent raw variables that cannot be …

相关实体

相关话题