كشف زيف الرسوم البيانية: إطار ثنائي المسار لحل الألغاز البصرية

تُعد الرسوم البيانية المخادعة واحدة من أكبر التحديات التي تواجه نماذج الرؤية واللغة (Vision-Language Models) في عالم البيانات الحديثة. حيث تمثل الأنماط البصرية المُخادعة والتمثيلات المشوهة البيانات بطريقة تُصعب على النماذج تفسيرها بشكل صحيح. هنا يأتي دور نموذج ChartCynics، وهو إطار عمل ثنائي المسار مصمم خصيصاً لكشف الزيف البصري باستخدام براديغم تفكير "skeptical".

عكس النماذج الشمولية، يقوم ChartCynics بفصل الإدراك عن التحقق. حيث يستفيد المسار التشخيصي (Diagnostic Vision Path) من التقنيات الحديثة لاكتشاف الشذوذ الهيكلي، مثل المحاور المعكوسة، من خلال اقتصاص مناطق الاهتمام (ROI). بالإضافة إلى ذلك، يتيح المسار المدفوع بتقنية التعرف على الحروف (OCR-Driven Data Path) ضمان الدقة العددية.

لتسوية أي تعارضات بين العناصر المُختلفة للبيانات، قدمنا مُلخصاً وكيلياً (Agentic Summarizer) تم تحسينه عبر بروتوكول مؤلف من مرحلتين. يشمل ذلك التدريس المستنير من خلال Oracle-Informed SFT لتصفية التفكير، وأيضاً GRPO المدرك للزيف لتحقيق التوافق العدائي.

تشير التقييمات التي أُجريت على معيارين مختلفين إلى أن ChartCynics حقق دقة بلغت 74.43% و64.55%، مما يعد زيادة مطلقة تبلغ ~29% مقارنة بالنمودج الأساسي Qwen3-VL-8B، مما يتفوق على النماذج الرائدة الخاصة.

تظهر نتائجنا أن العمل الوكيلي المتخصص يمكن أن يمنح النماذج مفتوحة المصدر صغيرة الحجم مستويات غير مسبوقة من القوة، مُرسخاً أساساً جديداً لفهم الرسوم البيانية بشكل موثوق.

هل تظن أن مثل هذه النماذج ستحدث ثورة في مجال تحليل الرسوم البيانية؟ شاركونا آراءكم في التعليقات.