ChartArena：跨语言、场景和格式的图表解析基准测试

图表是传达定量和关系信息的主要媒介，但系统地评估图表解析模型仍然很困难。现有的基准侧重于狭窄的图表类型，而流程图和思维导图等图表结构基本上没有得到解决，而模型以不兼容的格式生成输出，并且数据集很少包括实践中遇到的打印或手绘图像。为了解决这些问题，我们推出了 ChartArena，这是一个全面的双语基准测试，涵盖涵盖数字图表和图表结构的八个图表系列，每个图表系列都在三种视觉场景中进行评估：数字渲染、打印照片和手绘照片。该数据集是通过人工代理协作注释管道构建的，具有多阶段人工验证，以确保注释的可靠性。为了实现公平的跨模型比较，我们进一步设计了一种与格式无关的评估协议，将异构输出映射到两个规范语义空间、标准化三重视图和有向图视图，并使用结构感知指标对它们进行评分。通过对 26 个领先 MLLM 的广泛评估，我们观察到三个一致的发现：（i）Gemini 3.1 Pro 等前沿专有模型总体领先，但最强大的开源系统正在迅速缩小差距； (ii) 文档解析模型可以合理地处理数字图表，但在图表结构方面却严重落后； (iii) 专家图表解析器仍然仅限于狭窄的图表系列。在所有模型中，雷达图和手绘场景仍然特别具有挑战性。这些发现表明，ChartArena 暴露了明显的能力差距，并为未来的进步提供了统一的基础。 ChartArena 可在 https://github.com/pspdada/ChartArena 上公开获取。