FigAct：把科学图表变成可交互讲解画布

研究者提出 FigAct 框架，将静态科学图表转化为按问题定制的可视化演示，直接在图表现有图形元素上施加视觉动作以引导读者注意力。其分层搜索策略将元素定位的 token 消耗降低约 40 倍，并基于 grounding 准确率、搜索效率和渲染质量三项奖励训练出 FigAct-8B。团队还构建了经人工核验的真实论文图表 benchmark，用于评估 MLLM 生成有据可依的视觉解释的能力。