ChartBmkAgent构建图表问答诊断基准

Langxi Huang等提出ChartBmkAgent，用中心化工具协调多个专门智能体，把简化的图表问答错误分类扩展为完整诊断样本，并要求各阶段保留与目标错误类别对齐的验收依据。基于论文摘要，在300个覆盖分类体系的样本中，多模态大模型准确率为32.7%至84.3%，且不同模型的错误类别表现存在差异。 三次源模型对比中，定向追问得分为50.0%，低于匹配对照的82.2%（p=8.96×10^-6），六组跨模型比较方向一致；多个评估模型复核后，86.4%的样本被判定确实检验了指定错误类别。结果表明该方法能够生成具有针对性的诊断数据，但相关结论仅来自论文摘要。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。