超越描述：用于洞察性图表摘要的多模态智能体框架

图表摘要对提升数据可及性与信息高效消费至关重要。然而现有方法（包括基于多模态大语言模型（MLLM）的方法）主要停留在低层数据描述，往往无法捕捉数据可视化的根本目的——深层洞察。为应对这一挑战，我们提出Chart Insight Agent Flow，一个规划—执行型多智能体框架，充分利用MLLM的感知与推理能力，直接从图表图像中挖掘深刻洞察。此外，为弥补合适基准的缺失，我们发布ChartSummInsights新数据集，收录多样真实图表，配以人类数据分析专家撰写的高质量、有洞察的摘要。实验结果表明，我们的方法显著提升MLLM在图表摘要任务上的表现，产出洞察深刻且多样的摘要。