研究人员开发了新的基准和方法，以提高多模态大语言模型 (MLLM) 在分析复杂图表时的推理能力。LongChart VQA 基准引入了一个数据集，平均每个集合包含 6.5 张图像和 31.2 个问题，旨在测试 MLLM 的多图表理解和推理能力。此外，一种名为 Chart Specification 的新方法使用结构化表示来指导 VLM 在图表到代码生成中的推理，在保真度和数据效率方面显示出显著的改进。 AI
影响 这些进展旨在提高 AI 模型在理解和从图表等复杂视觉数据生成代码方面的准确性和效率。
排序理由 两篇 arXiv 论文介绍了用于多模态 LLM 图表推理的新基准和方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.01328v1 Announce Type: new Abstract: Multimodal large language models (MLLMs) are rapidly evolving with expanded context windows and stronger reasoning capabilities, enabling multi-chart understanding and multi-step inference. These abilities are increasingly important…
arXiv:2602.10880v2 Announce Type: replace Abstract: Vision-Language Models (VLMs) have shown promise in generating plotting code from chart images, yet achieving structural fidelity remains challenging. Existing approaches largely rely on supervised fine-tuning, encouraging surfa…