在图像了解畛域，多模态大模型已经充分展示了其卓越的性能。然而，对于工作中经常需要处理的图表了解与生成恣意，现有的多模态模型仍有进步的空间。
尽管当前图表了解畛域中的最先进模型在简单尝试集上表现出色，但由于缺乏说话了解和输出才能，它们无法胜任更为复杂的问答恣意。另一方面，基于大说话模型训练的多模态大模型的表现也不尽如人意，主要是由于它们缺乏针对图表的训练样本。这些问题严重制约了多模态模型在图表了解与生成恣意上持续进步。
近期，腾讯联合南洋理工大学、东南大学提出了 ChartLlama。钻研团队创造了一个高质量图表数据集，并训练了一个专注于图表了解和生成恣意的多模态大型说话模型。ChartLlama 结合了说话处理与图表生成等多重性能，为科研工作者和相关专业人员提供了一个强大的钻研工具。
论文地址：https://arxiv.org/abs/2311.16483
主页地址：https://tingxueronghua.github.io/ChartLlama/
ChartLlama 的团队构思出了一种巧妙的多元化数据搜集策略，通过 GPT-4 生成特定主题、分布和趋势的数据，来确保数据集的多样性。钻研团队综合开源的绘图库与 GPT-4 的编程才能，来编写图表代码，生成精确的图形化数据表示。此外，钻研团队还运用 GPT-4 描述图表内容和生成问答对，为每个图表生成了丰富多样的训练样本，以确保经过训练的模型能够充分的了解图表。
图表了解畛域中，保守模型仅能实现诸如读取图表中的数字这种简单的 QA 恣意，无法对较复杂的问题进行回答。具体来说，它们难以跟随较长的指令，在涉及数学运算的问答中，也经常出现运算错误，而 ChartLlama 可以有效的避免此类问题，具体对照以下所示：
在保守恣意之外，钻研团队也定义了若干新恣意，其中有三个恣意涉及到了图表生成，论文中给出了相关示例：
给定图表和指令，进行图表重建与图表编辑的示例
根据指令和原始数据，生成图表的示例
在各种基准数据集上，ChartLlama 都达到了 SOTA 水平，需要的训练数据量也更少。其天真的数据生成与搜集方法，极大地拓宽了图表了解与生成恣意中图表和恣意的种类，推动了该畛域的发展。
方法概述
ChartLlama 设计了一种天真的数据搜集方法，利用 GPT-4 的强大说话才能和编程才能，创造了丰富的多模态图表数据集。
ChartLlama 的数据搜集包括三个主要阶段：
图表数据生成：ChartLlama 不仅从保守数据源搜集数据，还利用 GPT-4 的才能产生合成数据。通过提供特定的特征，如主题、分布和趋势，从而引导 GPT-4 产生多样化和平衡的图表数据。由于生成的数据包含了已知的数据分布特性，这使得指令数据的构建更加天真和多样。
图表生成：接着，利用 GPT-4 强大的编程才能，使用开源库（如 Matplotlib）根据已生成的数据和函数文档来编写图表绘制脚本，生成了一系列精心渲染的图表。由于图表的绘制完全是基于开源工具，这种算法可以生成更多典型的图表用于训练。对照已有数据集，例如 ChatQA，只支撑三种图表典型， ChartLlama 所构建的数据集支撑多达 10 种图表典型，而且可以任意扩展。
指令数据生成：除了图表渲染外，ChartLlama 还进一步利用 GPT-4 来描述图表内容，构造多种多样的问答数据，以确保训练过的模型能全面了解图表。这个全面的指令调整语料库，融合了叙述文本、问题 – 答案对以及图表的源代码或修改后的代码。过往的数据集只支撑 1-3 种图表了解恣意，而 ChartLlama 支撑多达 10 种图表了解与生成恣意，能够更好的帮助训练图文大模型了解图标中的信息。
经过以上步骤，ChartLlama 创造了包含多种恣意和多种图表典型的数据集。其中不同典型的恣意、图表在总数据集中的占比以下所示：
更详细的指令及其说明请参考论文原文。
实验结果
无论是保守恣意还是新的恣意，ChartLlama 都展现了最优越的性能。保守恣意包括图表问答、图表总结，以及图表的结构化数据提取。对照 ChartLlama 和此前最先进的模型，结果以下图所示：
钻研人员也评估了 ChartLlama 所独有的恣意才能，包括图表代码生成，图表总结和图表编辑，同时也构造了对应恣意的尝试集，并与当前最强的开源图文大模型 LLaVA-1.5 进行了对照，结果以下所示：
钻研团队还在典型各异的图表中尝试了 ChartLlama 的问答准确率，和之前的 SOTA 模型 Unichart 以及提出的基线模型进行了对照，结果以下：
总的来说，ChartLlama 不仅推动了多模态学习的边界，也为图表的了解和生成提供了更精确和高效的工具。无论是在学术写作还是在企业演示中，ChartLlama 都将使图表的了解和创造变得更加直观和高效，在生成和解读复杂视觉数据方面迈出了重要的一步。
对此钻研感兴趣的读者可以移步论文原文，了解更多钻研内容。