¡Hola Habr! Mi nombre es Pavel, soy ingeniero de aprendizaje automático e investigador de inteligencia artificial. Recientemente me encontré con un estudio sobre el problema de comprender gráficos utilizando modelos de lenguaje visual (Vision-Language Model, VLM) y decidí analizar más de cerca este tema.
Hoy en día, una gran cantidad de datos científicos, empresariales y políticos se presentan en formato gráfico, pero los VLM actuales resuelven el problema de analizarlos sólo parcialmente. Una de las principales razones de esto es la falta de conjuntos de datos de prueba y capacitación grandes y diversos.
Investigadores del MIT e IBM Research han propuesto una solución original: ChartNet, un conjunto de datos multimodal para entrenar modelos para analizar e interpretar gráficos. Averigüemos cómo funciona y qué tan efectivo es.
Leer más
|
@habr_ai