في عصر يتسم بتزايد تعقيد البيانات وتنوعها، تصبح الرسوم التخطيطية (Charts) وسيلة أساسية لنقل المعلومات بطريقة واضحة وفعّالة. ومع ذلك، فإن تحليل المعلومات المستخلصة من عدة مخططات متصلة لا يزال تحديًا كبيرًا نظرًا لقلة الأبحاث المتخصصة في هذا المجال. هنا تأتي PolyChartQA، مجموعة بيانات جديدة تُحدث ثورة في طريقة فهمنا وتحليلنا للبيانات.

تنقسم PolyChartQA إلى 534 صورة متكاملة تضم 2,297 مخطط فرعي، مُستمدّة من منشورات بحثية مُراجعة من قبل أقران في مجال علوم الحاسوب، بالإضافة إلى 2,694 زوج من الأسئلة والأجوبة. هذا الابتكار يوفر قاعدة صلبة للبحث والتعلم في مجال الأسئلة متعددة المخططات (Multi-Chart Question Answering).

لقد قمنا بتقييم أداء تسعة نماذج لغوية متعددة الوسائط (Multimodal Language Models) على PolyChartQA، مستعرضين أنواع الأسئلة، صعوبتها، مصادرها، والخصائص التركيبية الرئيسية للمخططات المتعددة. تظهر النتائج أن هناك انخفاضًا بنسبة 27.4% في دقة الإجابات المستندة إلى نموذج لغة (LLM-based accuracy) على الأسئلة التي كتبها البشر مقارنة بالأسئلة التي أنشأها النموذج. ولكن، مع طريقة التحفيز التي اقترحناها، شهدنا زيادة في درجة الدقة بنسبة 5.39%.

بانتظار كل المهتمين بعالم الذكاء الاصطناعي وتحليل البيانات، يمكن أن تكون PolyChartQA الخطوة التالية لإحداث تغيير جذري في كيفية استخلاص المعلومات من البيانات المعقدة!