摘要
针对文本生成图像模型在科学 imagery 中语义对齐与逻辑推理的不足，本文提出科学图像推理（SciIR）框架。基于皮尔士符号学三元组，将科学推理形式化为实体结构、科学过程与科学定律三个维度。构建了包含 8.2 万高质量图文对的 SciIR-82k 数据集，并引入科学推理思维链显式建模视觉逻辑。同时提出 SciIR-Bench 基准，通过原子检查表将结果导向的准确性转化为可验证的过程性问题。实验表明当前模型存在显著缺陷，而经微调的 Qwen-Image-SciIR 模型得分显著提升，为科学图像生成奠定基础。
AI 推荐理由
论文核心聚焦科学图像推理，提出推理链与评估基准，直接提升模型逻辑推理能力。
研究机构
School of Computer Science and Technology, Huazhong University of Science and Technology, China
Department of Electronic Engineering, Tsinghua University, China
论文信息