CHARTOM：多模态大语言模型的视觉理论认知基准
原文中文，约500字，阅读约需2分钟。发表于：。该研究解决了多模态大语言模型在图表理解和人类读者判断中的能力不足问题。论文提出了一种新颖的CHARTOM基准，要求语言模型不仅要理解图表内容，还需评估图表是否可能误导读者。研究发现，CHARTOM可显著提升模型在复杂视觉信息处理中的表现，为提升多模态AI的社会应用潜力奠定基础。
ChartMimic是一个用于评估大型多模态模型的视觉基础代码生成能力的新基准测试。它包含了1,000个真实图表用例，并提出了多级评估指标。评估结果显示，专有模型和开源模型仍有改进空间。ChartMimic有望推动人工通用智能的发展。
