arXiv · cs.AI · Sheikh Tahmim Mehdi, Muminul Islam Jami · 11 小时前模型评分32
RE-SciVQA：用上下文相关检索与轻量 MLLM 适配提升科学图表问答
RE-SciVQA: Improving Scientific VQA With Context-Relevant Retrieval and Lightweight MLLM Adaptation
导读
RE-SciVQA 通过查询扩展把相关章节标题拼到原问题后提升检索覆盖，并用图表引用与标题对齐调整相似度分数，在 SciVQA 基准上取得 73.9% 的 ROUGE-1 F1，高于 UniChart 的 14.7%、ChartGemma 的 6.9% 和 Matcha-ChartQA 的 6.3%。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “Instead of designing complex architectures, we propose RE- SciVQA, which focuses on improving the quality of retrieved context and fine-tuning small LLMs with parameter-efficient LoRA training.”
来源：arXiv · cs.AI · arxiv.org