ToolSciVer：基于视觉工具增强强化学习的多模态科学主张验证

多模态科学主张验证（MSCV）要求模型利用论文中的图表及文本证据验证科学主张。现有方法常因难以定位关键视觉证据或整合多模态信息而失效。本文提出 ToolSciVer，首个用于 MSCV 的工具增强框架。该框架为视觉语言模型配备三种类型感知视觉工具（表格行列聚焦、图表结构解析、高分辨率区域缩放），将密集视觉信息转化为明确证据，并利用组相对策略优化（GRPO）结合复合奖励函数进行训练。实验表明，该方法在多个数据集和模型家族上均优于现有基线，证明了学习型类型感知工具使用的有效性。