Nghiên cứu
SciGen-Verifier: Hệ thống lý luận đa phương thức để kiểm chứng hình ảnh khoa học
(giờ Việt Nam)
Tóm tắt AI
SciGen-Verifier là giải pháp mới giúp kiểm chứng độ chính xác của hình ảnh khoa học do AI tạo ra, cung cấp phản hồi giải thích chi tiết thay vì chỉ chấm điểm đơn thuần.
Chính văn · Bản dịch AI
Tác giả: Jiali Chen (Đại học Công nghệ Nam Trung Hoa, Đại học Bách khoa Hồng Kông), Zhengteng Lin (Đại học Công nghệ Nam Trung Hoa), Zuqi Wang (Đại học Công nghệ Nam Trung Hoa), Shirong Lin (Đại học Công nghệ Nam Trung Hoa), Xi Yu (Đại học Công nghệ Nam Trung Hoa), Xusen Hei (Đại học Công nghệ Nam Trung Hoa), DingBa Fu (Đại học Công nghệ Nam Trung Hoa), Jiayuan Xie (Đại học Bách khoa Hồng Kông), Yi Cai (Đại học Công nghệ Nam Trung Hoa)
Tóm tắt: Trong giáo dục thực tế, một lời giải thường không chỉ được thể hiện bằng văn bản mà còn bằng hình vẽ—một sơ đồ mạch điện, một hình vẽ hình học, một đồ thị hàm số—và giáo viên phải chấm điểm hình vẽ đó cẩn thận như văn bản. Những tiến bộ gần đây trong các mô hình đa phương thức hợp nhất đã cho phép tạo ra hình ảnh khoa học, tuy nhiên việc xác minh tính chính xác của các đầu ra hình ảnh chuyên biệt này vẫn là một nút thắt quan trọng: các lỗi thường phát sinh từ kiến thức chuyên môn phức tạp, suy luận cấu trúc và hướng dẫn đa bước thay vì các lỗi bề mặt. Các bộ xác minh hiện có chủ yếu nhắm vào hình ảnh tự nhiên và nén đánh giá thành các điểm số vô hướng, khiến phạm vi bao phủ về khoa học và phản hồi có thể giải thích được để sửa lỗi vẫn chưa được khám phá đầy đủ. Để thu hẹp khoảng cách này, chúng tôi đóng góp ba điểm chính. (1) Chúng tôi xây dựng SciGen-Verify, một bộ tiêu chuẩn dành riêng cho việc xác minh có thể giải thích được đối với việc tạo hình ảnh khoa học, bao gồm các lĩnh vực tuân thủ hướng dẫn, suy luận đa ngành và kiến thức thế giới. Nó chứa một giao thức phân cấp ba tầng vượt trên đánh giá nhị phân, hỗ trợ giải thích và hướng dẫn chỉnh sửa khắc phục. (2) Chúng tôi phát triển SciGen-Verifier, một bộ xác minh đa phương thức dựa trên suy luận, được huấn luyện thông qua tinh chỉnh có giám sát khởi động lạnh (cold-start supervised fine-tuning), theo sau là quy trình học tăng cường hai giai đoạn dựa trên chương trình học (curriculum-based). Quá trình hướng dẫn bằng rubric trước tiên củng cố việc khám phá suy luận khoa học, sau đó các phần thưởng kết quả sẽ căn chỉnh đầu ra với chú thích thực tế (ground-truth). (3) Trên SciGen-Verify, SciGen-Verifier đạt hiệu suất cạnh tranh so với các mô hình độc quyền lớn hơn nhiều. Nó còn đóng vai trò là một nhà phê bình trực tuyến thiết thực cho việc chỉnh sửa hình ảnh lặp đi lặp lại.
| Chủ đề: | Thị giác máy tính và Nhận dạng mẫu (cs.CV) |
| Trích dẫn là: | arXiv:2609.33399 [cs.CV] |
| (hoặc arXiv:2609.33399v1 [cs.CV] cho phiên bản này) | |
| https://doi.org/10.48550/arXiv.2609.33399 DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký) |
Lịch sử gửi bài
Từ: Jiali Chen [xem email] [v1] Chủ nhật, 27 tháng 9 năm 2026 09:23:36 UTC (7.197 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.