研究人员推出了LayerWiseBench，一个旨在评估AI模型逐层理解和编辑图表能力的新基准。与关注最终输出的现有基准不同，LayerWiseBench评估图层归因、绑定和可见性排序等概念。该基准源自可执行的图表程序，包含数千个问题和编辑变体。初步评估显示，尽管Qwen3.5-27B等模型在归因和绑定方面表现良好，但在可见性排序方面却遇到困难，这凸显了对重叠组件关系建模的挑战。 AI
影响 该基准有望推动AI在解释和操作图表等复杂视觉数据方面的能力提升，从而影响数据分析和可视化工具。
排序理由 该集群描述了一个用于评估AI模型在图表理解和编辑任务方面的新学术基准。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.08657v1 Announce Type: cross Abstract: Charts are structured visual compositions whose elements have distinct functional roles, semantic correspondences, and visibility relations. This structural view motivates evaluating whether models can understand and manipulate ch…
Charts are structured visual compositions whose elements have distinct functional roles, semantic correspondences, and visibility relations. This structural view motivates evaluating whether models can understand and manipulate charts at the layer level. Existing chart benchmarks…