RealCQA-V2：面向科学图表的结构化视觉蕴含诊断基准

多模态推理模型通常能生成流畅的答案，并伴有看似连贯的推理过程。现有基准仅评估最终答案的正确性。它们不支持对中间步骤，特别是视觉组合逻辑，进行原子级的视觉蕴含验证。这一限制在科学图表理解中尤为突出，因为答案依赖于确定性基础视觉语义，如坐标轴、图例和定量关系。我们引入了RealCQA-V2，这是一个大规模基准，它将图表问答重新构建为视觉前提证明：一项基于图表基础视觉谓词的结构化逻辑蕴含任务。每个问题都被分解为手动策划的、基于图表元素（坐标轴、图例、标记和定量关系）的原子前提，从而产生可执行的推理链，而非自由形式的文本推理过程。这些前提形成组合推理链，使得能够在单个视觉陈述和完整推理序列的层面上进行验证。我们引入了链级度量，用于衡量完整的逻辑有效性（AccVPP）以及失败链内的部分推理进展（DCP），超越了传统的VQA准确率。跨代表性LVLM的基线评估揭示了一个一致的局部-全局推理差距：模型通常能正确验证许多单个前提，但无法在整个链中保持连贯性。RealCQA-V2为真实科学图表上的结构化视觉蕴含建立了一个可复现的基准，并能够对超越仅答案评估的多模态推理进行严格诊断。