chart-understanding

一个4B开源模型在 CharXiv 图表理解基准上击败了 Mythos 5，展示了可自由获取的小模型的强大性能。

MIT研究人员开发了ChartNet，这是一个包含超过一百万张图表的数据集，用于训练视觉语言模型更准确地解读图表。他们的开源模型在图表理解任务上表现优于规模大得多的商业模型。

HakushoBench是一个基于政府白皮书构建的日语图表和表格VQA基准，用于评估视觉语言模型对复杂视觉数据的理解能力。该基准对开源权重模型具有挑战性，最佳准确率仅为58.6%，与专有模型之间相差34.9个百分点。