在材料科学领域，一篇论文中的图表往往承载着研究者数月实验的心血，坐标轴的微小变化、光谱峰的精确位置，都可能成为关键证据。然而，这些高度专业化的图表能否被人工智能真正理解？国际文档分析与识别大会（ICDAR 2026）上，一套名为ALD/E-ImageMiner的数据集给出了答案：当前AI在解析科学图表时仍存在显著局限，但研究已清晰定位了能力缺口。
该数据集聚焦于原子层沉积与刻蚀（ALD/E）这一前沿领域。这项技术通过原子级精度控制材料生长或去除，广泛应用于芯片制造与光伏产业。研究团队从205篇专业论文中提取1951张图表，涵盖光谱曲线、极图、分子结构示意图等49种类型。每张复合图均由多国材料科学家手工标注，精确到像素级坐标框——例如明确标注“某子图从左上角第120像素开始，宽300像素、高200像素”。这种标注方式并非多余，实验表明，若缺乏像素级定位，多模态大模型常将A图数据误判为B图结论，导致推理错误。
为系统评估AI的读图能力，研究设计了四项递进任务：图表分类要求模型识别光谱图、极坐标图等混合类型；数据表提取需将散点图中的数值转化为结构化表格；摘要生成考验模型提炼核心科学信息的能力；视觉问答（VQA）则通过布鲁姆分类法分层设计问题，从“记住事实”到“分析评价”逐步提升难度。例如，针对二硫化铅薄膜生长的五联图，问题从“能否在蓝宝石基底生长”到“缩短吹扫时间的影响”，答案格式涵盖是否题、简答题直至段落分析题，全面检验模型的综合推理水平。
现有模型的表现暴露出关键短板。在化学材料领域基准测试MaCBench中，模型虽能识别实验仪器与直接读数，但涉及空间推理或跨模态整合时准确率骤降。另一项研究显示，当移除图表周边文字提示后，模型仅依赖图像内容的判断能力显著下降。更基础的研究揭示，强模型如GPT-4V存在“视觉绑定错误”，例如混淆“红色圆形”与“蓝色方形”的属性关联。这些发现表明，模型的语言流畅性常掩盖其视觉理解的真实缺陷——看似合理的回答可能只是训练数据的套路复现，而非针对具体图表的深度解析。
该基准的深层目标在于推动AI像科学家一样思考。当前评测常将理解简化为单一分数，而真实科研需通过多证据关联、条件对比与结论验证形成完整逻辑链。为此，研究规划了三大延伸方向：其一，拓宽领域至薄膜合成、催化等材料科学子领域，再扩展至化学工程、能源生物医学等学科，按图表功能分类以测试模型迁移能力；其二，引入反事实测试，例如修改关键数值或交换标签，观察模型答案是否合理变化，以此区分真实推理与表面解释；其三，设计“影子挑战”，要求AI综合未发表研究的文献与图表，提出假设并生成研究提案，由专家评估其科研独立性。
ALD/E-ImageMiner数据集已通过GitHub与Hugging Face公开，包含图像、标注与评测脚本，采用混合授权模式：标注数据遵循CC BY 4.0开放协议，但原始图片版权仍归论文作者所有，商用需另行核实。四个竞赛赛道长期开放提交，涵盖图表分类、数据提取、摘要生成与视觉问答。研究强调，像素级标注与反事实测试等设计，本质上是对评测方式的革新——若允许模型“差不多正确”地回答，将纵容其蒙混过关，而科学理解需要近乎苛刻的精确性。
