Yanjie Zhang

ChartCynics框架提升VLM在误导性图表上的准确性

研究人员开发了ChartCynics，一个新颖的代理框架，旨在提高视觉语言模型（VLMs）在回答有关误导性图表问题时的准确性。该双路径系统将感知与验证分开，一条路径用于识别诸如轴反转等结构异常，另一条路径用于确保数值准确性。ChartCynics在Qwen3-VL-8B骨干模型上实现了显著的性能提升，准确性提高了约29%，并在两个基准测试中超越了最先进的专有模型。