CURV：透過課程視覺基礎推理增強圖表理解能力
為何重要
CURV 解決了當前 MLLM 在圖表問答中缺乏內在視覺基礎推理能力的關鍵缺陷，透過課程學習策略將感知與推理更緊密地結合。對開發者來說，這提供了一個可參考的架構路徑，以強化模型在資料視覺呈現與邏輯分析上的表現；對產業而言，意味著未來商業智慧分析與財報方面的應用，有望透過類似技術顯著提升資料解讀的精確度。
- XR CURV 框架將圖表問答重構為多步驟視覺基礎推理，透過成本空間注意力集中來協調邏輯推理與動態視覺基礎。
- 為協助訓練，研究團隊引進 CCQA 資料集，這是一個提供可擴充套件合成生成、涵蓋多種圖表型別與推理模式的三層課程資料集。
- CURV 在基礎測試上實現高達 20.50% 的效能提升，並可泛化至真實世界基準（12.30%）與跨域多模態推理任務（10.20%）。
- 相關程式碼已開源，可供進一步的研究與應用。