导航海市蜃楼：用于稳健误导性图表问答的双路径代理框架

尽管视觉语言模型（VLM）取得了成功，但由于其欺骗性的视觉结构和扭曲的数据表示，误导性图表仍然是一个重大挑战。我们提出了 ChartCynics，一个代理双路径框架，旨在通过“怀疑”推理范式揭露视觉欺骗。与整体模型不同，ChartCynics 将感知与验证分离：诊断视觉路径通过战略性 ROI 裁剪捕获结构异常（例如倒轴），而 OCR 驱动的数据路径则确保数字基础。为了解决跨模式冲突，我们引入了通过两阶段协议优化的 Agentic Summarizer：用于推理 蒸馏 的 Oracle-Informed SFT 和用于对抗性对齐的 Deception-Aware GRPO。该管道有效地惩罚了视觉陷阱并增强了逻辑一致性。对两个基准的评估表明，ChartCynics 的准确率达到 74.43% 和 64.55%，与 Qwen3-VL-8B 主干相比，绝对性能提升约 29%，优于最先进的专有模型。我们的结果表明，专门的代理工作流程可以赋予较小的开源模型卓越的稳健性，为值得信赖的图表解释奠定新的基础。