تُعدّ QCalEval، التي أطلقتها NVIDIA عام 2026، مجموعة بيانات للغة المرئية تُستخدم لفهم الرسوم البيانية في تجارب الحوسبة الكمومية. وتهدف إلى تقييم قدرة نماذج اللغة المرئية (VLMs) على تفسير نتائج تجارب معايرة الحوسبة الكمومية وتصنيفها وتحليلها. وتُستخدم على نطاق واسع في أبحاث نماذج اللغة المرئية وفهم الصور العلمية، لا سيما في تقييم أداء النماذج في التحليل الآلي للحوسبة الكمومية، وتقييم قدرات تفسير الرسوم البيانية العلمية، وأبحاث التعلم السياقي متعدد الوسائط، ومقارنة أداء المهام العلمية المنظمة في ظل ظروف التدريب الصفري والتدريب المحدود. تحتوي مجموعة البيانات على 309 صورة علمية ثنائية الأبعاد بتنسيق PNG، و243 مدخلًا معياريًا، و236 مدخلًا معياريًا لعينات قليلة، تغطي 22 سلسلة تجريبية و87 نوعًا من المشاهد.

تكوين البيانات

• صور علمية ثنائية الأبعاد بصيغة PNG (مثل مخططات التشتت، والرسوم البيانية الخطية، والخرائط الحرارية).
• عناصر اختبار المعايير: يتكون كل عنصر من 6 أزواج من الأسئلة والأجوبة، تغطي 6 جوانب: الوصف المرئي، وتصنيف النتائج، والتفكير العلمي، وتقييم موثوقية الملاءمة، واستخراج المعلمات، وتشخيص المعايرة، بإجمالي 1458 عنصرًا من عناصر ضمان الجودة.
• عدد قليل من عناصر الاختبار: 3 أزواج من الأسئلة والأجوبة لكل عنصر، بإجمالي 708 عنصرًا من عناصر الأسئلة والأجوبة.

الاستشهاد

@misc{cao2026qcaleval,
title = {QCalEval: Benchmarking Vision-Language Models for Quantum Calibration Plot Understanding},
author = {Cao, Shuxiang and Zhang, Zijian and others},
year = {2026},
url = {https://research.nvidia.com/publication/2026-04_qcaleval-benchmarking-vision-language-models-quantum-calibration-plot},
}