CURV: Un framework di apprendimento curriculare migliora la comprensione dei grafici nei modelli multimodali di grandi dimensioni

Un nuovo framework di apprendimento curriculare chiamato CURV è stato sviluppato da ricercatori per migliorare il question answering sui grafici (CQA) nei modelli linguistici multimodali di grandi dimensioni (MLLM). Questo framework affronta la difficoltà di unire la comprensione visiva con il ragionamento logico, una sfida che i modelli esistenti affrontano a causa di capacità di ragionamento visivo ancorato insufficienti. CURV ridefinisce il CQA come un processo di ragionamento visivo ancorato a più passaggi, allineando il ragionamento logico con l'ancoraggio visivo dinamico attraverso l'attenzione spaziale focalizzata. Per facilitare l'addestramento del modello, i ricercatori hanno creato CCQA, un dataset curriculare a tre livelli che consente una generazione sintetica scalabile su vari tipi di grafici e approcci di ragionamento. I loro risultati sono pubblicati in un articolo su arXiv (arXiv:2608.02833), mostrando il potenziale per migliorare l'accuratezza del ragionamento dei MLLM riguardo alle informazioni visive.