DiagramRAG：以檢索增強補全學術草圖的輕量框架

DiagramRAG：檢索增強的草圖補全策略

學術圖示是傳達方法與流程的重要媒介，但研究者常以草圖表達早期語意與拓撲意圖，這類草圖通常不完整，難以直接產生發表級圖示。DiagramRAG提出以檢索增強的補全流程，讓草圖與既有圖示資源互補，提升最終生成品質。

方法要點

系統首先把圖示表為知識圖譜，以便進行結構感知的檢索；同時合成不同簡化層級的草圖變體來擴充匹配空間。訓練嵌入模型使草圖與相容圖示在共享向量空間對齊，進而檢索到語意與拓撲都相容的參考圖示。被檢索到的參考提供內容、拓撲與視覺先驗，作為下游生成與渲染的指導。

實驗結果與意義

在公開資料集上，DiagramRAG在DiagramBank與FigureBench上分別取得F1 0.848與0.802，並以VLM-as-a-Judge達到最高分數7.170，同時把單樣本推論延遲降低到35.48秒左右。這表示結合結構化檢索的草圖補全，可在維持生成品質的同時提升效率，對需要把草稿快速導向可視化成果的研究與工具有實務價值。

程式碼與資料集可於作者公開資源取得以便重現與延伸研究。

延伸閱讀

• 以 NCE 與 SSE 驗證的 AgentSOC：結合生成式推理與圖形化可行性驗證
• pAI/MSc：以人為監督的多代理研究管線與可審計 LangGraph 工作流
• MedSkillAudit：以分層審核評估醫學研究代理人技能的部署準備度

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。