解码科学实验图像：面向感知、理解与推理的SPUR基准
计算机视觉与模式识别
2026-05-27 v2 计算工程、金融与科学
摘要
我们引入SPUR，一个用于科学实验图像感知、理解与推理的综合基准，包含源自1084张专家策划图像的4264个问答对。SPUR具有三项关键创新：（1）面板级细粒度感知：在六种细粒度面板类型上，从三个维度（数值、形态和信息定位）评估多模态大语言模型（MLLMs）的视觉感知能力；（2）跨面板关系理解：利用每个样本平均包含14.3个面板的复杂图像，评估MLLMs解读复杂跨面板关系的能力；（3）专家级推理：评估模型在五种实验范式下的定性与定量推理能力，以确定模型是否能像人类专家一样从证据中推断结论。对20个MLLMs和四种多模态思维链（MCoT）方法的综合评估表明，当前模型远未达到科学图像解读所需的专家级要求，这凸显了AI for Science（AI4S）研究中的一个关键瓶颈。
引用
@article{arxiv.2604.27604,
title = {Decoding Scientific Experimental Images: The SPUR Benchmark for Perception, Understanding, and Reasoning},
author = {Junpeng Ding and Zichen Tang and Haihong E and Mengyuan Ji and Yang Liu and Haolin Tian and Haiyang Sun and Pengqi Sun and Yang Xu and Yichen Liu and Haocheng Gao and Zijie Xi and Ruomeng Jiang and Peizhi Zhao and Rongjin Li and Yuanze Li and Jiacheng Liu and Zhongjun Yang and Jintong Chen and Siying Lin},
journal= {arXiv preprint arXiv:2604.27604},
year = {2026}
}
备注
Accepted to ACL 2026 Main Conference