ChartQAPro
PulseAugur coverage of ChartQAPro — every cluster mentioning ChartQAPro across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的 LBS 模型训练视觉语言模型进行主动视觉观察
研究人员开发了一种名为 LBS（Look Beyond Screens）的新方法，用于训练视觉语言模型执行主动的、面向任务的视觉观察。该方法使用 GUI 基础轨迹作为空间监督的来源，最初通过监督微调，然后通过强化学习进行多轮检查决策。使用 LBS 训练的模型，包括基于 Qwen3.5-35B-A3B 和 Qwen3.8-27B 的模型，在 PerceptionBench、HR-Bench 和 ChartQAPro 等基准测试中表现出改…
-
新的STEER方法增强了AI对科学图表的理解能力
研究人员开发了一种名为STEER（Structure-Token Evidence-anchored Reasoning，结构-Token证据锚定推理）的新方法，以提高大型视觉语言模型理解科学图表的能力。当前模型通常将图表视为普通图像，无法准确解释坐标轴、图例和标记中的定量数据。STEER通过冻结视觉编码器并添加编码图表结构、将推理步骤锚定到特定图节点以及使用专门的表格提取器进行指导的模块来解决此问题。该方法在ChartQA、Char…
-
新的AI方法增强图表理解和编辑能力
研究人员开发了新的方法来改进多模态大型语言模型（MLLMs）理解和交互图表的方式。一种方法CharTool集成了外部工具进行视觉感知和基于代码的计算，增强了数值推理和接地能力。另一种方法REChart通过优化中间推理步骤和减轻模型的“过度思考”来专注于高效的图表编辑。这两种方法在图表相关基准测试中都显示出显著的改进，优于现有基线，并取得了与更大模型相媲美的结果。