English(EN) From Terminology to Diagrams: Visual-Instruction Generation for Scientific Diagram Understanding

新数据集SciGram提升AI对科学图表的理解能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

研究人员开发了一个新的框架，用于生成大规模科学图表理解的指令数据。该方法从科学课程中提取概念，综合事实，并检索相关图表，以创建包括字幕和多项选择题在内的多模态监督。由此产生的数据集SciGram包含超过194,000张图表和140万个跨学科的视觉指令。在SciGram上训练的模型在TQA、ScienceQA和AI2D等以图表为中心的基准测试中表现出显著的改进，甚至在训练实例较少的情况下也优于最先进的视觉语言模型。 AI

影响增强了AI解释复杂科学图表的能力，有望改进教育工具和研究分析。

排序理由该集群包含一篇详细介绍用于AI研究的新数据集和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 28 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍用于AI研究的新数据集和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Raul Ortega, Jos\'e Manuel G\'omez-P\'erez · 2026-09-02 04:00

从术语到图示：用于科学图表理解的视觉指令生成

arXiv:2609.00948v1 Announce Type: cross Abstract: Vision-language models (VLMs) have demonstrated strong performance in visual question answering with natural images. However, they continue to struggle with scientific diagrams, which are designed to convey functional or relationa…

本文如何被排名

报道来源 [1]

从术语到图示：用于科学图表理解的视觉指令生成

相关实体

相关话题