科学文献の大規模分析において、チャートから自動的にデータを抽出することは重要なタスクであり、研究の発見を加速する可能性を秘めています。しかし、科学チャートは標準化されておらず、その自動抽出は困難な課題です。近年、マルチモーダル大規模言語モデル（LLM）の登場によりチャート理解に新たな可能性が開かれましたが、実際のチャートに対する精度はまだ十分とは言えません。この問題に対処するため、arXivに投稿された新しい研究（論文ID: 2605.08220）では、高レベルの意味的プロンプティングと低レベルの空間プライミングという2つの戦略を体系的に比較し、最も効果的な改善方法を探っています。
研究チーム（Andrei Lazarevを含む3名の著者）は、2026年5月6日に論文を提出しました。実験ではまず、2段階のメタデータ優先フレームワークやChain-of-Thought推論などの意味的手法を試みました。メタデータ優先アプローチでは、モデルにまずチャートのメタ情報（軸ラベル、凡例、タイトルなど）を認識させ、その情報に基づいてデータポイントを抽出させます。Chain-of-Thoughtは段階的な論理推論を促します。しかし、合成データセットを用いた定量的評価の結果、これらの意味的手法は統計的に有意な性能向上をもたらしませんでした。
これとは対照的に、極めてシンプルでありながら効果的な空間プライミング手法が提案されました：チャート画像をモデルに入力する前に、その上に座標グリッドを重ねるというものです。この手法はモデルに明示的な2次元空間参照を提供し、データポイントの位置特定と読み取りを大幅に改善します。実験結果は顕著で、グリッド重ねを適用した場合、データ抽出の対称平均絶対パーセント誤差（SMAPE）がベースラインの25.5%から19.5%に低下し、その差は統計的に有意（p<0.05）でした。
研究の結論として、現在のマルチモーダルモデルにとって、明示的な空間コンテキストの提供は高レベルの意味的ガイダンスよりも効果的で信頼性の高い戦略であることが示されました。この発見は、チャートデータ抽出の分野に重要な方法論的示唆を与えるとともに、プロンプト戦略の設計において、意味的な誘導に頼るよりも構造化された空間情報を優先することの重要性を強調しています。今後の研究では、この手法の多様なチャートタイプに対する汎化性能や、ノイズ除去や物体検出などの前処理技術との組み合わせが期待されます。