AI 大模型

视觉大模型 / VLM

视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。

2026-05-25 至 2026-05-25 共收录 1 篇信号源：cs.CV, cs.AI, cs.LG

1. 文档图表理解 1 篇

2605.23527 2026-05-25 cs.CE 87%

LiveFigure: 利用VLM智能体生成可编辑的科学插图

Chenyang Shao, Jiahe Liu, Fengli Xu, Yong Li

专题命中文档图表理解：VLM(title,title_cn)

AI总结提出LiveFigure框架，通过VLM智能体模拟人类多步绘图流程，生成完全矢量化的可编辑科学插图，在17次手动编辑后达到80%的出版就绪率。