arXiv cs.CL· Lijia Wu, Zheng Li, Yuxuan Liu, Jingwen Zhang, Penghai Zhao, Xiang Li·· 11 小时前AI 评分31
SciFigBench：科学方法图理解基准发布
SciFigBench: A Benchmark for Scientific Method Figure Understanding
AI 导读
SciFigBench 是面向科学方法图理解的基准，从真实论文中整理 4,352 张方法图和 40,670 个 QA 对，覆盖密集内容感知、视觉关系理解与信息流追踪三项能力。配套提出免训练视觉提示模块 SciFigCue，将箭头依赖外化为视觉关系证据。实验显示开源与闭源 VLM 在视觉关系理解上仍明显受限，SciFigCue 无需更新参数即可在多项任务上提升表现。
正文 · AI 翻译
摘要：科学方法图通常为研究者提供一个清晰的视觉入口，以便了解论文的方法论和核心贡献，然而其密集的布局和复杂的信息流使视觉语言模型（VLM）难以解读。现有基准主要关注粗粒度任务，例如基于上下文的检索或整体理解，忽视了复杂方法图中的细粒度内容和模块间关系。为弥补这些被忽视的方面，我们提出了科学图基准（SciFigBench），一个用于评估科学方法图理解所需核心能力的基准。具体而言，它针对三项能力：密集内容感知、视觉关系理解和信息流追踪。为此，我们从真实研究论文中整理了 4,352 幅科学方法图，并构建了 40,670 个问答对，将这些能力转化为可测量的问答任务。所有标注均由专用流程生成，随后经人工核验。我们进一步提出 SciFigCue，一个无需训练的视觉提示模块，将箭头所诱导的依赖关系外化为方法图推理的视觉关系证据。在开源和专有 VLM 上的实验表明，即便是强模型在视觉关系理解方面仍存在显著局限，而 SciFigCue 在无需参数更新的情况下提升了若干任务的性能。代码及相关资源见 此 https URL。
| 评论： | 已被 EMNLP 2026 主会议接收。代码与基准资源：此 https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.27087 [cs.CV] |
| （或 arXiv:2610.27087v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27087 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lijia Wu [查看邮箱]
[v1]
2026年10月19日星期一 18:00:07 UTC（4,066 KB）
来源：arXiv cs.CL · arxiv.org