Luiz Do Valle Miranda

图可视化提升视觉语言模型在知识图谱问答中的性能

一篇新的研究论文探讨了在视觉语言模型（VLMs）执行知识图谱问答（KGQA）的提示中使用图可视化方法的有效性。研究发现，添加图图像平均可将性能提高1.85个F1点，尤其对简单问题效果更佳。这些视觉提示的有效性高度依赖于图的布局，结构良好的分层布局和分解路径能产生最佳结果，而纯图像设置会降低性能。研究表明，自适应视觉提示策略，即选择性地将图表附加到不那么复杂且结构良好的子图中，可以优化准确性和效率。