English(EN) Inside VLM Chart Reading: Tracing Value Reading from Vertical Bar Charts Across Space and Depth

新研究分析VLMs的图表阅读能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员调查了视觉语言模型（VLMs）如何从垂直条形图中提取特定值，重点关注Qwen2.5VL-7B-Instruct和InternVL3.5-8B等模型。他们的分析显示，尽管条形的顶部区域视觉标记较少，但它比条形主体对答案偏好贡献更大。研究还发现，与图例和系列相关的信息在模型较早的层中处理，而几何和比例状态则在较晚的层中处理。有趣的是，两个模型都表现出利用不同来源的几何和比例信息的能力，尽管Qwen对上下文的敏感度更高。 AI

影响为理解VLMs在图表解读方面的内部工作机制提供了见解，可能指导未来的模型开发。

排序理由学术论文，详细介绍对VLM能力的研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 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: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍对VLM能力的研究。[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.CL TIER_1 English(EN) · Tianhao Niu, Qingfu Zhu, Wanxiang Che · 2026-09-15 04:00

VLM图表解读内部：跨越空间和深度的垂直条形图价值解读追踪

arXiv:2609.13745v1 Announce Type: new Abstract: Vision--language models (VLMs) can answer chart questions accurately, but output accuracy does not show how they combine the evidence needed to recover an exact value. We study vertical-bar value reading with controlled counterfactu…

本文如何被排名

报道来源 [1]

VLM图表解读内部：跨越空间和深度的垂直条形图价值解读追踪

相关实体

相关话题