ICCV 2025 | ECD：高质量合成图表数据集，提升开源MLLM图表理解能力
ICCV 2025 | ECD：高质量合成图表数据集，提升开源MLLM图表理解能力在科研、新闻报道、数据分析等领域，图表是信息传递的核心载体。要让多模态大语言模型（MLLMs）真正服务于科学研究，必须具备以下两个能力
来自主题: AI技术研报
6863 点击 2025-08-22 10:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
在科研、新闻报道、数据分析等领域，图表是信息传递的核心载体。要让多模态大语言模型（MLLMs）真正服务于科学研究，必须具备以下两个能力
推理大模型（Large Reasoning Model）极大的促进了自然语言处理领域的发展，而信息检索领域的核心问题之一是文档排序，如何利用强大的推理大模型通过主动推理来判断文档的相关性，进而再对文档进行排序是一个值得探索的方向。
进入 2025 年，GUI Agent 赛道热度逐渐抬升 —— OpenAI 推出 Operator 并发布了 ChatGPT Agent，字节则发布了 UI-TARS-1.5 定位 GUI 开源方案。但大多数产品依然依赖本地执行，难以 24h 稳定运行。
您可能已经在产品里放进了问答、总结、甚至自动报表模块，但表格一上来，体验就变味了，这不奇怪。表格是二维、带结构、还经常跨表跨文，和纯文本完全不一样；项目作者在《Tabular Data Understanding with LLMs》里把这件事掰开揉碎，从输入表示到任务版图，再到评测与未来方向都梳理清楚了。
近年来，扩散大语言模型（Diffusion Large Language Models, dLLMs）正迅速崭露头角，成为文本生成领域的一股新势力。与传统自回归（Autoregressive, AR）模型从左到右逐字生成不同，dLLM 依托迭代去噪的生成机制，不仅能够一次性生成多个 token，还能在对话、推理、创作等任务中展现出独特的优势。
让我们先回想一下你手机里的那些 App。 它们要么是效率工具，要么是娱乐平台。 你用它们打卡、下单、刷视频，但你从没想过和它们“交个朋友”。
早在"AI Agent"这一术语出现之前，安娜·摩纳哥（Anna Monaco）就已经开始构建 AI Agent系统。在开发了众多聊天机器人后，她开始寻找更适合 AI Agent的其他交互界面，最终将目光锁定在了电子表格上。
真正的业务宝藏往往就埋藏在那些看似杂乱无章的文本数据之中，即非结构化文本，但问题是，如何高效、可靠地把这些宝藏精准地挖出来，一直是个令人头疼的难题，今天我们就来聊聊最近GitHub12.3k star爆火的Google 开源项目LangExtract，它为这个问题提供了一个相当漂亮的答案。
从2022年的Stable Diffusion、Midjourney，到如今的即梦AI、Lovart，AI创意工具，已经重塑了创作的工作流： 创作者提供点子，自然语言作为交互界面，AI工具最后高效实现创意的生成。
27 块钱，六个小时通关，玩完这款蔡浩宇倾注心血的首款 AI 游戏，有没有被科技惊艳到先放一边，英语实力可是获得了大大的提升！