English(EN) Improving VLMs on Scientific Chart Analysis via Autonomous Evolution

自主进化提升视觉语言模型在科学图表上的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一种无需更改模型本身即可提高视觉语言模型（VLMs）在科学图表分析方面性能的方法。通过采用类似于AlphaEvolve所使用的自主进化方法，他们搜索最优的推理程序。该过程涉及一个LLM裁判根据VLM的失败情况迭代地改进代码，从而显著提高了准确性。进化后的程序不仅将准确性从平均16.6%提高到41.3%，而且速度也提高了3.8倍。 AI

影响优化推理流程可以在不进行昂贵重新训练的情况下，显著增强VLMs在专业数据分析方面的能力。

排序理由该集群包含一篇学术论文，详细介绍了改进现有模型的新研究方法。[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: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了改进现有模型的新研究方法。[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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Abhinav Sudhakar Dubey, Vidushi Goel, Kiran Rana, Shikhar Mathur, Vaggos Chatziafratis · 2026-10-27 04:00

通过自主进化改进VLMs在科学图表分析上的表现

arXiv:2610.35077v1 Announce Type: cross Abstract: Understanding and operating with scientific charts is a standard approach in data analysis, and while humans are good at interpreting such charts, open vision-language models (VLMs) are known to perform poorly when it comes to que…

本文如何被排名

报道来源 [1]

通过自主进化改进VLMs在科学图表分析上的表现

相关实体

相关话题