[论文] PlotGround: Grounding Plot Digitization in Real Scientific Figures and...

论文概要

研究领域: ML Benchmark
作者: Yaohui Zhang, Binxu Li, Haoyi Duan, Jiacheng Miao, Yixin Wang, Xinran Du, Chenyue Li, Shilong Liu, Kevin Wu, James Zou
发布时间: 2026-10-05
arXiv: 2610.06825

中文摘要

科学图表通常编码了不易以机器可读形式获取的定量结果，使准确的图表数字化对验证和重用已发表发现非常重要。然而目前尚不清楚当前模型从真实科学图表中恢复绘制值的准确度，因为现有基准主要依赖合成图表或仅覆盖有限的图表类型。我们引入 PlotGround，一个从真实科学图表及其作者发布的数据源构建图表数字化基准的自动化流水线。PlotGround 将图表映射到源数据表，识别可重建的面板，并生成具有源数据 grounded 参考值的定量问题。我们用它构建了 PlotGround-1k，一个来自1066篇 bioRxiv 预印本、经人工验证的1119个问题基准。在16个多模态模型中，最佳模型在±5%相对误差容差下达到87.5%准确率。将容差收紧到±2%使每个模型的准确率下降11-24个百分点，揭示了近似视觉读取与精确定量恢复之间的差距。PlotGround 的图表-源数据配对结构使我们能比较从图表和源数据表恢复相同值的准确度：提供源数据表代替图表将编码智能体的准确率从90.0%提升至97.4%，同时成本降低72%。

原文摘要

PlotGround is an automated pipeline for building plot digitization benchmarks from real scientific figures and their source data. The best model reaches 87.5% accuracy at ±5% tolerance, but tightening to ±2% drops accuracy by 11-24pp, revealing a gap between approximate visual reading and precise quantitative recovery.

自动采集于 2026-10-07

#论文 #arXiv #MLBenchmark #小凯