论文页面 - SciIR：面向科学图像推理生成的大规模训练数据集与基准测试

来源：https://huggingface.co/papers/2606.30124

摘要

科学图像生成在语义对齐和逻辑推理方面面临挑战，为此我们构建了 SciIR-82k 数据集和 SciIR-Bench 评估框架，旨在提升文生图模型的科学推理能力。

尽管文生图（Text-to-Image, T2I）模型在生成逼真视觉内容方面取得了显著成功，但在科学图像所需的严格语义对齐和逻辑推理方面仍存在不足。受皮尔斯符号学三元组（Peirce’s Semiotic Triad）启发，我们提出了科学图像推理（Scientific Image Reasoning, SciIR），这是一个用于训练和评估科学图像生成的综合性资源。我们将科学推理形式化为三个核心维度：实体结构（Entity Structure, Icon）、科学过程（Scientific Process, Index）和科学定律（Scientific Law, Symbol）。具体而言，为克服科学图像生成训练数据的稀缺性，我们精心构建了 SciIR-82k 数据集，这是一个包含来自前沿出版物超过 8 万对高质量科学图像-文本的大规模数据集。该数据集按照符号学维度分层组织，并融入了科学推理思维链（Scientific Reasoning Chain-of-Thought, Sci-RCoT），以显式建模底层视觉逻辑。在评估方面，我们提出了 SciIR-Bench，该基准与这三个符号学层次对齐，并采用原子化检查清单（Atomic Checklist），将面向结果的科学准确性转化为面向过程、可验证的细粒度问题。大量实验揭示了当前模型在科学推理能力上的显著缺陷。此外，通过在 SciIR-82k 数据集上进行微调，我们开发了 Qwen-Image-SciIR 模型，该模型在 SciIR-Bench 上实现了实质性提升，最终得分从 35% 提高到 43%，为未来科学图像生成的进步奠定了坚实基础。

查看 arXiv 页面 (https://arxiv.org/abs/2606.30124) 查看 PDF (https://arxiv.org/pdf/2606.30124) 项目页面 (https://sci-ir.vercel.app/sciir.html) GitHub2 (https://github.com/MAIR-Lab-HUST/SciIR) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.30124)

在您的代理中获取此论文：

hf papers read 2606\.30124

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2606.30124 以从此页面链接。

引用此论文的数据集0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.30124 以从此页面链接。

引用此论文的Space0

没有Space链接到此论文

在Space README.md中引用 arxiv.org/abs/2606.30124 以从此页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从此页面链接。