跳到正文
arXiv · 机器人与计算机视觉· Qi Wang, Peijie Wang, Jun Cao, Haoyang Tong, Xiao-Hui Li, Fei Yin, Cheng-Lin Liu·· 29 天前精选AI 评分78

ChartEvo:一种用于长尾图表推理的递归自进化智能体框架

ChartEvo: Self-Evolving Agent Harnesses for Long-Tail Chart Reasoning

AI 导读

该论文提出了 ChartEvo 框架,旨在解决多模态大语言模型在长尾图表类型上性能不均的问题。通过经验驱动的层级自改进机制,框架联合演化可复用的图表专用技能与可执行工具,并学习局部工具调用链以组合能力与控制推理开销。实验显示,在 ChartBench 和 ChartX 数据集的长尾图表任务中,该方法相比基线模型 Qwen3.7-Plus 分别提升了 45.6% 和 32.5% 的准确率。

推荐理由

针对长尾图表推理任务,提出递归自进化框架以联合优化技能与工具调用链。

来源:arXiv · 机器人与计算机视觉 · arxiv.org