解锁视觉语言模型对 UML 类图的理解
计算机视觉与模式识别
2026-05-13 v1 人工智能
摘要
尽管视觉语言模型（VLMs）在各种用例中取得了巨大进步，但在回答关于图表的问题时，其表现仍落后于照片。虽然在条形图、折线图等图表领域已取得进展，但针对其他类型图表（例如计算机科学领域的图表）的研究仍然很少。我们的工作提出了一个基于 UML 类图的视觉问答基准，该基准既具挑战性又易于管理。我们进一步构建了一个包含 16,000 个图像-问题-答案三元组的大规模训练数据集，并表明基于 LoRA 的微调轻松超越了 Qwen 3.5 27B，后者是近期在许多其他基准测试中表现优异的 VLM。
引用
@article{arxiv.2605.11634,
title = {Unlocking UML Class Diagram Understanding in Vision Language Models},
author = {Artem Naboichenko and René Peinl},
journal= {arXiv preprint arXiv:2605.11634},
year = {2026}
}