MACReD：面向反应图解析的多智能体协同推理框架

从科学文献中解析化学反应图因版式异构、视觉元素交织以及识别与推理难以整合而充满挑战。现有视觉语言模型虽推进了多模态理解，但在复杂图示上仍然失败，难以在推理过程中保持空间连贯性并整合多维信息。为解决这些问题，我们提出MACReD，一个分层多智能体框架，在统一的VLM引导架构内协调负责分子感知、箭头理解、文本提取与反应重构的专用智能体。规划层与感知层采用灵活的细粒度检测来应对视觉复杂性，推理层则利用多重图融合机制整合异构线索并强制化学一致的全局推理。在RxnScribe基准上的实验表明，MACReD取得最先进性能，在硬匹配与软匹配标准下F1分别为75.2%与84.6%，优于取得69.1%与80.0%的RxnScribe基线。这些结果证明了MACReD在包括多步与树状反应在内的多样图示版式上的鲁棒性。