InfoVQA

为什么重要

InfoVQA 专注于信息图表（infographics）这一常见但复杂的视觉形式——包含图表、表格、图标、文字的混合布局。理解信息图表需要同时具备 OCR、布局分析、数据推理能力。

构建方式

1. 收集 5,485 张真实信息图表
2. 为每张图表标注 5-6 个问答对
3. 问题类型覆盖事实提取、比较、推理等

任务示例

图表：一张关于全球 CO2 排放量的信息图 问题：“Which country had the highest CO2 emissions in 2020?”

关键发现

• 复杂布局（多区域、嵌套图表）显著降低模型表现
• 需要数值推理的问题仍是弱项
• OCR 错误在链条中放大

关联基准

• ChartQA：图表问答
• DocVQA：文档问答
• OCRBench：OCR 能力

不足与展望

• 信息图表样式多变，评测覆盖面有限
• 部分问题依赖精确数值，对 OCR 精度要求高
• 缺乏交互式图表理解评测