Multi-Agent System Chemical Diagram Parsing Multimodal Reasoning Vision-Language Model
摘要

针对科学文献中化学反应图布局异构、视觉元素交织及识别推理难整合的挑战，现有视觉语言模型往往难以维持空间连贯性。本文提出 MACReD，一种分层多智能体协作框架，在统一 VLM 指导下协调分子感知、箭头理解、文本提取及反应重构等专用智能体。该框架利用灵活细粒度检测处理视觉复杂性，并通过多图融合机制整合异构线索，强制实现化学一致的全局推理。实验表明其在 RxnScribe 基准上达到最先进水平，展现了强大的鲁棒性。

AI 推荐理由

论文提出多智能体协作推理框架，核心解决复杂图表中的多维信息整合与化学一致性全局推理问题。

研究机构
University of Science and Technology of China, Hefei, China University of Science and Technology of China University of Science and Technology of China & iFLYTEK Co., Ltd.
论文信息
作者 Chuang Tang, Chenhao Lin, Yin Xu, Hao Wang, Jinrui Zhou et al.
发布日期 2026-05-27
arXiv ID 2605.28077
相关性评分 9/10 (高度相关)
arXiv 页面 下载 PDF Code DeepWiki