导航幻影：面向鲁棒误导性图表问答的双路径代理框架
计算机视觉与模式识别
2026-03-31 v1 人工智能
多媒体
摘要
尽管视觉-语言模型（VLMs）取得了成功，但误导性图表仍是一个重大挑战，由于其欺骗性的视觉结构和扭曲的数据表示。我们提出ChartCynics，一个agentic双路径框架，旨在通过"怀疑”推理范式揭示视觉欺骗。与整体模型不同，ChartCynics解耦了感知与验证：诊断视觉路径通过战略性ROI裁剪捕获结构异常（例如翻转坐标轴），而OCR驱动的数据路径确保数值 grounding。为解决跨模态冲突，我们引入了一个通过两个阶段协议优化的Agentic Summarizer：Oracle-Informed SFT用于推理蒸馏，Deception-Aware GRPO用于对抗性对齐。该管道有效惩罚视觉陷阱并强制逻辑一致性。评估两个基准显示，ChartCynics实现了74.43%和64.55%的准确率，相较于Qwen3-VL-8B backbone提升了约29%的绝对性能，超越了最先进的专有模型。我们的结果表明，专门的agentic工作流程可以赋予较小的开源模型更好的鲁棒性，为可信的图表解释奠定了新的基础。
引用
@article{arxiv.2603.28583,
title = {Navigating the Mirage: A Dual-Path Agentic Framework for Robust Misleading Chart Question Answering},
author = {Yanjie Zhang and Yafei Li and Rui Sheng and Zixin Chen and Yanna Lin and Huamin Qu and Lei Chen and Yushi Sun},
journal= {arXiv preprint arXiv:2603.28583},
year = {2026}
}
备注
10pages, 4 figures