Chart-RL：基于策略优化的强化学习用于增强视觉语言模型在图表问答中的视觉推理

针对现有视觉语言模型在图表问答任务中存在的数值提取不准、隐式关系解读困难及空间注意力不足等局限，本文提出 Chart-RL 框架。该框架结合策略优化技术与自适应奖励函数，通过反馈驱动优化模型的视觉感知与逻辑推断能力。研究引入低秩适应（LoRA）实现参数高效微调，仅需单 GPU 配置。实验表明，经 RL 微调的 4B 模型在准确率上超越 8B 基座模型，同时显著降低推理延迟，展现了卓越的视觉推理增强效果。