研究人员提出RE-SciVQA科学视觉问答框架
Start here
2026年11月3日，arXiv人工智能领域发布研究成果，提出用于改进科学视觉问答的RE-SciVQA框架。该方法通过上下文相关检索增强与LoRA轻量微调优化科学视觉问答表现。在SciVQA基准测试中，RE-SciVQA取得了73.9%的ROUGE-1 F1分数，显著超越UniChart（14.7%）与ChartGemma（6.9%），相比标准RAG基线实现14.3%的整体增益。此外，针对闭口无限视觉问题，该研究采用图表数字化替代合成说明，带来了18.5%的性能提升。
AI-generated from reports · Updated 15 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能RE-SciVQA：通过上下文相关检索与轻量级 MLLM 适配改进科学 VQA
RE-SciVQA 通过上下文相关检索增强与 LoRA 轻量微调优化科学视觉问答。在 SciVQA 基准上，该方法取得 73.9% 的 ROUGE-1 F1 分数，大幅超越 UniChart（14.7%）与 ChartGemma（6.9%），相比标准 RAG 基线实现 14.3% 的整体增益。针对闭口无限视觉问题，采用图表数字化替代合成说明带来了 18.5% 的提升。
Story heat trend
Current heat 6·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.