MACReD：面向反应图解析的多智能体协同推理框架
人工智能
2026-05-28 v1
摘要
从科学文献中解析化学反应图具有异构布局、交织视觉元素以及难以整合识别与推理等挑战。现有视觉语言模型虽推进了多模态理解，但仍在复杂图表上失败，难以在推理过程中维持空间一致性以及整合多维信息。为此，我们提出 MACReD，一个分层多智能体框架，在统一的 VLM 指导架构中协调专门的分子感知、箭头理解、文本提取和反应重构智能体。规划和感知层使用灵活、细粒度检测来处理视觉复杂性，而推理层使用多图融合机制整合异构线索并强制进行符合化学规范的全局推理。在 RxnScribe 基准测试中，MACReD 实现了最先进的性能，在 hard 和 soft match 标准下分别达到 75.2% 和 84.6% 的 F1 分数，优于 RxnScribe 基线，其分别为 69.1% 和 80.0%。这些结果表明 MACReD 在包括多步骤和树状反应图在内的多样化图表布局方面具有鲁棒性。
引用
@article{arxiv.2605.28077,
title = {MACReD: A Multi-Agent Collaborative Reasoning Framework for Reaction Diagram Parsing},
author = {Chuang Tang and Chenhao Lin and Yin Xu and Hao Wang and Jinrui Zhou and Xin Li and Mingjun Xiao and Enhong Chen},
journal= {arXiv preprint arXiv:2605.28077},
year = {2026}
}
备注
Preprint. Code is available at https://github.com/TC9905/MACReD