TableVision：面向复杂层级表格空间接地推理的大规模基准

结构化表格在专业领域至关重要，但多模态大模型在处理复杂层级表格时推理性能受限。本文通过量化分析发现“感知瓶颈”，即任务复杂度增加导致视觉区域激增，引发内部“感知过载”，阻碍空间注意力维持。为此，作者推出 TableVision，一个大规模、轨迹感知的空间接地推理基准，涵盖感知、推理和分析三个认知层级。该数据集利用基于渲染的确定性接地流程，将多步逻辑推导与像素级空间真值显式耦合。实验表明，显式空间约束显著恢复了模型的推理潜力，提出的两阶段解耦框架在测试集上提升了 12.3% 的准确率。