مدلهای چندوجهی (VLM) امروزی در تولید تصویر عالی هستند، اما وقتی نوبت به کارهای تخصصی مثل رسم دقیق نمودارها میرسد، اغلب کم میآورند! 📉
محققان به تازگی VCG-Bench را معرفی کردهاند که با استفاده از پارادایم «نمودار به عنوان کد» (Diagram-as-Code) و بهرهگیری از زبان XML، دقت مدلها را در درک و ویرایش دیاگرامها به چالش میکشد. این بنچمارک با مجموعهای از ۱۴۴۹ نمودار در ۶ حوزه تخصصی، استانداردی جدید برای سنجش هوش مصنوعی در محیطهای کاری و مهندسی ایجاد کرده است. 🚀
منبع: arXiv Computer Vision