في عالم الذكاء الاصطناعي، تتزايد الحاجة إلى تحسين مهارات استنتاج الآلات من خلال استخدام الرسم البياني. وقد تم تقديم إطار العمل الجديد "DIAGRAMS"، وهو نظام ذكي يستند إلى معايير معينة، حيث يهدف إلى تسهيل فهم كيفية ارتباط كل سؤال بإجابات محددة.

يعتبر تحليل الأسئلة المتعلقة بالرسوم البيانية (Diagram QA) مهمة تتطلب ربط كل مجموعة سؤال–إجابة بجميع المناطق المرئية اللازمة للتوصل إلى الإجابة، بدلاً من الاعتماد فقط على المنطقة المحتوية على الرد النهائي.

إن إيجاد أدلة مُنظمة عبر المخططات والرسوم البيانية والخرائط وتعقيدات البيانات يعتبر مهمة صعبة تستهلك الكثير من الوقت. تسهم أدوات التعليق الحالية في تعقيد العملية، حيث تربط واجهاتها بشكل وثيق مع تنسيقات البيانات الخاصة بالمجموعات.

هنا تأتي أهمية DIAGRAMS، حيث يقدم إطار عمل خفيف الوزن يعتمد على المخطط، وهو يفصل المنطق الواجهة عن الهياكل الخاصة بالبيانات من خلال استخدام ميتا-مخطط (meta-schema) ومحوّلات بيانات. يوفر النظام إمكانية اختيار الأدلة المشروطة بناءً على الأسئلة والإجابات المقترحة، ويقترح المناطق اللازمة لعملية الاستنتاج.

وفي حالة عدم وجود أزواج سؤال–إجابة أو مناطق مرشحة، يقوم النظام بتوليدها ويدعم التحقق والتعديل البشري، مما يزيد من دقة النتائج. في اختبارات على ستة مجموعات بيانات، أظهرت الأدلة الاقتراحية من النماذج دقة تبلغ 85.39% واسترجاعاً قدره 75.30% عند مقارنتها باختيارات المراجع النهائية.

تشير هذه النتائج إلى أن إطار العمل "DIAGRAMS" يساهم في تقليل الحاجة إلى إنشاء مناطق يدوية مع الحفاظ على اتفاق مرتفع مع نسبة التمييز النهائية. بالإضافة إلى ذلك، تم إصدار عرض تجريبي عام وحزمة يمكن تثبيتها لدعم تدقيق البيانات، وإنشاء إشراف يعتمد على الأسس، وتقييم موثوق.