論文の概要: Monitorable Chart Reasoning Agents via Verifiable Process Rewards
- arxiv url: http://arxiv.org/abs/2609.24071v1
- Date: Mon, 21 Sep 2026 03:53:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.050391
- Title: Monitorable Chart Reasoning Agents via Verifiable Process Rewards
- Title（参考訳）: 検証プロセスリワードによる監視可能なチャート推論エージェント
- Abstract要約: 既存のLVLMベースのチャートエージェントは、答えのみの予測か、検証が難しい自由形式の有理性を生成する。
本稿では,監視可能なチャートエージェントを検証可能なプロセス報酬でトレーニングするための強化強化であるChart-RVRを提案する。
ドメイン外の6つのベンチマークで、Chart-RVRは同等サイズのLVLMの中で最先端の精度を実現している。
- 参考スコア（独自算出の注目度）: 37.70404236777598
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chart reasoning agents are increasingly used to extract actionable insights in critical domains, achieving state-of-the-art performance on multiple benchmarks. Yet, high benchmark accuracy alone is insufficient for deployment, where stakeholders must be able to audit and verify how a model reaches its answer. Existing LVLM-based chart agents produce either answer-only predictions or free-form rationales that are hard to verify, obscuring whether an error arose from misreading the chart, extracting a wrong value, or miscomputing. We propose Chart-RVR, a reinforcement learning framework for training monitorable chart agents with verifiable process rewards. Chart-RVR decomposes chart reasoning into three auditable blocks: Structure, identifying the chart type; Evidence, reconstructing the underlying data table in JSON; and Derivation, exposing the stepwise trace that computes the answer. Across six in-domain and out-of-domain benchmarks, Chart-RVR attains state-of-the-art accuracy among comparable-sized LVLMs. Beyond accuracy, we assess monitorability using a triangulated protocol that combines ground-truth surrogate metrics, an oracle information-gain measure, and an LLM-as-auditor scoring Process Verifiability and Evidence Localization, showing that Chart-RVR yields rationales that are markedly more verifiable and evidence-grounded than those from CoT prompting, SFT, and existing chart-specific baselines.
- Abstract（参考訳）: チャート推論エージェントは、複数のベンチマークで最先端のパフォーマンスを達成するために、重要な領域で実行可能な洞察を引き出すために、ますます使われています。
しかし、高いベンチマーク精度だけではデプロイには不十分であり、ステークホルダーはモデルがどのように回答に達するかを監査し検証しなければなりません。
既存のLVLMベースのチャートエージェントは、答えのみの予測か、検証が難しい自由形式の有理性を生成する。
本稿では、監視可能なチャートエージェントを検証可能なプロセス報酬でトレーニングするための強化学習フレームワークであるChart-RVRを提案する。
Chart-RVRは、チャートの推論を3つの監査可能なブロックに分解する。
ドメイン内と外部の6つのベンチマークで、Chart-RVRは同等サイズのLVLMの中で最先端の精度を実現している。
精度の他に, 接地トラスサロゲート測度, オラクル情報ゲイン測度, LLM-as-auditorスコアリングプロセスの検証可能性とエビデンスローカライゼーションを組み合わせ, チャート-RVRがCoTプロンプト, SFT, 既存のチャート固有のベースラインよりも顕著に検証し, 証拠を根拠とした有理性が得られることを示す。
関連論文リスト
- ChartJudgeBench: Evaluating LMM Judges for Chart-to-Code Generation [16.09978008387138]
大規模マルチモーダルモデル(LMM)は、チャートの視覚的外観とタスク要求を共同で評価する上で、自然な役割を担っている。
視覚的批評家や報酬モデルとしての利用が増えているが、審査員としての信頼性はほとんど解明されていない。
本稿では,チャート・ツー・コード最適化におけるLMM判定結果を評価するための診断ビジョンベンチマークであるChartJudgeBenchを紹介する。
論文 参考訳（メタデータ） (2026-09-21T07:29:46Z) - VeriGraph: Towards Verifiable Data-Analytic Agents [71.17693022916896]
LLMをベースとしたエージェントは、データ集約分析タスクにおいて強力な能力を示してきたが、その出力は滅多に検証されていない。
We propose VeriGraph, a traceable neuro-symbolic reasoning framework that agent can construct an explicit heterogeneous evidence directed acyclic graph。
以上の結果から,明示的なエビデンスグラフ構築がデータ分析エージェントの検証に期待できる道のりであることが示唆された。
論文 参考訳（メタデータ） (2026-06-15T11:50:56Z) - ChartLens: A Dual-Branch Framework for Chart Data Correction and Factual Summary Refinement [55.77198392899527]
データMFMチャレンジトラック2:チャート理解のためのチャンピオンソリューションを提示する。
このトラックは、構造化されたチャートデータを復元し、チャート画像から忠実な自然言語要約を生成するモデルを必要とする。
グラフデータの修正と要約を行うための二分岐フレームワークであるChartLensを提案する。
論文 参考訳（メタデータ） (2026-06-09T09:45:01Z) - CharTide: Data-Centric Chart-to-Code Generation via Tri-Perspective Tuning and Inquiry-Driven Evolution [23.66187133157774]
CharTideは、チャート・ツー・コード生成のための新しいデータ中心のフレームワークである。
トレーニングを視覚的知覚、純粋テキストのコードロジック、モダリティの融合ストリームに明確に分離する。
ChartMimic、Plot2Code、ChartXの実験によると、ChartTide-7B/8Bはオープンソースベースラインを著しく上回っている。
論文 参考訳（メタデータ） (2026-04-24T03:39:51Z) - ChartAttack: Testing the Vulnerability of LLMs to Malicious Prompting in Chart Generation [51.49421299447412]
マルチモーダルな大言語モデル(MLLM)は、データテーブルからのチャート生成を自動化するためにますます使われている。
ChartAttackは,MLLMを誤用して大規模にミスリードチャートを生成する方法を評価するフレームワークである。
論文 参考訳（メタデータ） (2026-01-19T11:57:48Z) - ChartAnchor: Chart Grounding with Structural-Semantic Fidelity [19.798612765001746]
チャートグラウンド(英: Chart grounding)とは、チャートの視覚的外観と構造的意味論の間の双方向のアライメントを指す。
ChartAnchorは、8k以上のチャートテーブルコードトリプルのベンチマークである。
マルチレベル評価フレームワークは、セマンティックバリデーション、スタイリスティック分析、知覚メトリクスを統合して、構造的およびコンテンツレベルの正確性を評価する。
論文 参考訳（メタデータ） (2025-11-30T18:28:09Z) - Chart-RVR: Reinforcement Learning with Verifiable Rewards for Explainable Chart Reasoning [40.57280727947546]
我々は、LVLM(Large Vision-Language Models)を微調整するフレームワークであるChart-RVRを、チャート推論のためにより堅牢で説明可能なフレームワークとして提示する。
本フレームワークは, 正しいチャート型分類, (ii) 忠実なチャートテーブル再構築, (iii) プロセス適合性の3つの報酬を最大化する。
結果のモデルであるChart-RVR-3Bシリーズは、ドメイン内とOOD設定にまたがる6つのチャート推論ベンチマークで最先端の結果を得る。
論文 参考訳（メタデータ） (2025-10-13T03:25:35Z) - Follow the Flow: Fine-grained Flowchart Attribution with Neurosymbolic Agents [106.04963073116468]
フローチャートは意思決定プロセスを視覚化するための重要なツールです。
視覚言語モデルは、これらの図を分析する際に、存在しない接続や決定経路を幻覚させる。
LLM応答を参照してフローチャートを接地する特定の成分をトレースするフローチャートについて紹介する。
本稿では, グラフベースの推論により微細なホック帰属を行うニューロシンボリック・エージェントであるFlowPathAgentを提案する。
論文 参考訳（メタデータ） (2025-06-02T06:02:41Z) - ChartCitor: Multi-Agent Framework for Fine-Grained Chart Visual Attribution [47.79080056618323]
グラフ画像内の支持証拠を識別し,きめ細かなバウンディングボックスの引用を提供するマルチエージェントフレームワークであるChartCitorを提案する。
このシステムは、LCMエージェントを編成して、チャートからテーブルへの抽出、回答の修正、テーブル拡張、事前フィルタリングと再ランク付けによるエビデンス検索、テーブルからチャートへのマッピングを行う。
論文 参考訳（メタデータ） (2025-02-03T02:00:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。