IXThinker·2025-11-06 14:30

微軟亞研究院教大模型讀圖表

多模態大模型處理自然圖像已相當成熟，但面對圖表、幾何草圖等結構化圖像時，細小感知誤差會迅速放大成推理偏差。微軟亞洲研究院聯同清華大學、香港科技大學提出PixelCraft框架，系統性提升這類任務的準確與魯棒。

結構化圖像痛點

自然圖像依靠紋理與局部模式即可理解，結構化圖像卻把資訊編碼在精確的線條、座標與符號之中，任何細節誤讀都會被下游推理放大。線性剛性的「鏈式思考」流程，也難以支撐複雜任務所需的回溯與分支探索。