摘要
针对当前视觉评估多局限于单轮问答的不足，本文引入 PlantInquiryVQA 基准，旨在研究植物病理诊断中的多步、意图驱动视觉推理。我们形式化了“探究链”框架，将诊断轨迹建模为基于视觉线索和认知意图的有序问答序列。该数据集包含近 2.5 万张专家 curated 图像及 13.8 万组标注问答对。评估显示，顶级多模态大模型虽能描述症状，但在临床推理上表现欠佳；而结构化探究显著提升了诊断正确率，减少了幻觉并提高了推理效率，推动代理向专家级推理演进。
AI 推荐理由
论文提出“探究链”框架，核心研究多步意图驱动的视觉推理机制，显著提升诊断准确性。
研究机构
Department of Robotics and Mechatronics Engineering, University of Dhaka, Dhaka, Bangladesh
Department of Computer Science and Engineering, University of Dhaka, Dhaka, Bangladesh
Department of Agronomy, Gazipur Agricultural University, Gazipur, Bangladesh
Department of Botany, University of Dhaka, Dhaka, Bangladesh
论文信息