超越单图：多图表问答的基准

图表广泛用于呈现复杂的信息。在现实世界中获得有意义的见解通常需要一起解释多个相关图表。理解多图表图像的研究尚未得到广泛探索。我们引入了 PolyChartQA，这是一个专门为多图表图像问答而设计的中型数据集。 PolyChartQA 包含来自同行评审的计算机科学研究出版物的 534 个多图表图像（总共 2,297 个子图表）和 2,694 个 QA 对。我们评估了 PolyChartQA 上九种最先进的多模态语言模型 (MLM) 的性能，涵盖问题类型、难度、问题来源和多图表的关键结构特征。我们的结果显示，与 MLM 生成的问题相比，基于 LLM 的准确性（L 准确性）下降了 27.4%，而我们提出的提示方法的 L 准确性提高了 5.39%。