来源HuggingFace Daily Papers社区热门论文原文https://arxiv.org/abs/2606.01348英文题目ChartArena Benchmarking Chart Parsing across Languages Scenarios and FormatsChartArena 是一个旨在系统评估图表解析模型的双语基准测试。它覆盖了八种图表家族包括数字图表与流程图等结构并针对数字渲染、打印照片和手绘照片三种场景进行评估。数据集采用人机协作标注流程并设计了格式无关的评估协议将不同模型输出映射到标准化语义空间进行评分。对26个多模态大语言模型的评估显示前沿闭源模型如Gemini 3.1 Pro领先开源系统正快速追赶文档解析模型在数字图表上表现尚可但在图表结构上明显不足专业解析器仍局限于特定图表类型。雷达图和手绘场景对所有模型都尤其具有挑战性。论文速读这篇论文先处理的是一个很具体的工程问题ChartArena 是一个旨在系统评估图表解析模型的双语基准测试。它不是单纯往 benchmark 上追分而是在把一个系统里的薄弱环节拆开。如果把全文压成一条线就是先定义问题再给方法最后看系统后果。这篇论文到底在说什么ChartArena 是一个旨在系统评估图表解析模型的双语基准测试。它覆盖了八种图表家族包括数字图表与流程图等结构并针对数字渲染、打印照片和手绘照片三种场景进行评估。数据集采用人机协作标注流程并设计了格式无关的评估协议将不同模型输出映射到标准化语义空间进行评分。对26个多模态大语言模型的评估显示前沿闭源模型如Gemini 3.1 Pro领先开源系统正快速追赶文档解析模型在数字图表上表现尚可但在图表结构上明显不足专业解析器仍局限于特定图表类型。雷达图和手绘场景对所有模型都尤其具有挑战性。它覆盖了八种图表家族包括数字图表与流程图等结构并针对数字渲染、打印照片和手绘照片三种场景进行评估。这个判断很重要因为它说明作者并不是在“换个说法讲老问题”而是在改问题边界。技术启示这类工作最值得关注的地方不是分数本身而是它在提醒我们 真正能进生产的方案通常都得过三关能解释、能复现、能落地。 如果一个方法只在离线评测里好看但说不清代价和约束那它通常还没走到系统层。行业启示如果你在做开发、产品或者企业 AI 项目这类工作更重要的是帮你判断 该继续堆模型还是该去改数据、训练、检索、评估和服务链路。 很多时候真正的增益不来自“再大一点”而是来自把任务、数据和执行链路重新拆一遍。结尾这篇文章更适合当成一个信号看方向对了后面的工程化空间才会真正打开。如果你觉得多模型 切换 Q、工具订阅的流程太繁琐,也可以试试我们的「胜算云」平台,一站式搞定AI创作与开发相关需求。官网:https://www.shengsuanyun.com/?fromCH_5VQOF8WB