ViChartQA

Bộ dữ liệu và mô hình Hỏi–Đáp biểu đồ (Chart Question Answering) tiếng Việt, cốt lõi là multi-hop reasoning trên text + chart trong các bài viết thật (không phải chart rời lẻ), hướng tới công bố tại hội nghị NLP hạng A* (ACL hoặc EMNLP).

Trạng thái: giai đoạn lập kế hoạch — chưa có dữ liệu/code. Tài liệu trong repo này là kế hoạch làm việc nội bộ cho nhóm 10 sinh viên, chưa phải công bố chính thức.

Vấn đề & động lực

Chart QA tiếng Anh đã gần bão hoà ở benchmark gốc ChartQA (VLM hàng đầu đạt >90%), tiếng Việt chưa có benchmark chuyên biệt cho biểu đồ. Phần lớn chart tiếng Việt chất lượng tốt nằm trong bài báo (title + nội dung phân tích + 1-3 chart minh hoạ), không phải chart rời trong thư viện — ViChartQA khai thác đặc điểm này: multi-hop reasoning kết hợp đọc hiểu văn bản và đọc chart, gần với dòng HybridQA/TAT-QA/MultiHiertt/SlideVQA hơn dòng ChartQA/CharXiv (chart-only). So sánh đầy đủ ở docs/01.

ViInfographicVQA và VMMU là căn cứ động lực bổ sung — chi tiết ở docs/01.

ViChartQA nhắm lấp khoảng trống: văn bản + chart cùng lúc × tiếng Việt × multi-hop reasoning thật sự (verify bằng evidence chain, không chỉ gắn nhãn).

Mục tiêu dự án

1. Bộ dữ liệu — bài viết thật nguồn Việt Nam (title + content + 1-3 chart), câu hỏi multi-hop kết hợp đọc văn bản và đọc chart. Miền dữ liệu mở rộng theo nguồn cung thực tế (xem docs/02), ưu tiên kinh tế, mở sang khoa học/giáo dục/y tế/môi trường/năng lượng nếu có nguồn cùng dạng.
2. Mô hình — gác lại, chưa chốt hướng. Taxonomy câu hỏi khá đa dạng nên thay vì fine-tune 1 mô hình end-to-end, hướng đang cân nhắc là 1 framework/pipeline nhiều bước kiểu ChartQAPro.
3. Công bố — dataset + model paper tại hội nghị A*, qua ACL Rolling Review.

Cấu trúc repo

.
├── README.md                       # tài liệu này
├── docs/
│   ├── 01-related-work.md          # bối cảnh & rà soát công trình liên quan
│   ├── 02-dataset-design.md        # thiết kế dataset: nguồn, taxonomy câu hỏi, schema
│   ├── 03-annotation-guidelines.md # hướng dẫn gán nhãn chi tiết cho annotator
│   └── 04-model-strategy.md        # chiến lược mô hình, backbone, đánh giá
└── annotation-tool/                # công cụ gán nhãn (Streamlit + SQLite) — xem annotation-tool/README.md

(các thư mục data/, models/, scripts/ cho phần dataset/model sẽ được tạo khi cần)

Tóm tắt kế hoạch

Nhân lực	10 sinh viên
Thời lượng lõi	6–7 tuần (14/07 – 31/08/2026)
Đơn vị dữ liệu	Document: title + body_text + 1–3 chart (không phải chart rời)
Miền dữ liệu	Kinh tế (neo) · Khoa học/giáo dục/y tế/môi trường/năng lượng (mở rộng theo nguồn cung)
Taxonomy câu hỏi	2 chiều: loại suy luận (7 giá trị: data_retrieval/visual/compositional/visual_compositional/multiple_choice/fact_check/unanswerable) × phạm vi bằng chứng (single_chart/text_to_chart/chart_to_chart/fact_check_dual)
Quy mô mục tiêu	MVP: 1.200 document / 6.000 QA · Mở rộng: 2.000 document / ~15.000 QA
Chiến lược mô hình	Gác lại — xem Mục tiêu dự án #2
Venue mục tiêu	ACL hoặc EMNLP (2 hội nghị CORE A* trong dòng *ACL; NAACL/EACL chỉ hạng A) qua ARR

Chi tiết đầy đủ từng phần nằm trong docs/. Bản kế hoạch trực quan (bảng so sánh, Gantt, checklist) xem tại artifact đã chia sẻ với nhóm.

Nguyên tắc làm việc

• Chất lượng > số lượng thô. ChartQAPro (1.341 chart / 1.948 câu hỏi) vẫn đủ mạnh để công bố nhờ độ khó và thiết kế tốt — nếu phải đánh đổi, ưu tiên độ khó và độ sạch của nhãn.
• Không huấn luyện mô hình từ đầu. Fine-tune backbone có sẵn (ChartGemma, TinyChart, ChartMoE đều làm vậy).
• Ưu tiên nguồn dữ liệu mở/chính phủ. Xem docs/02.

Đóng góp

Dự án đang ở giai đoạn nội bộ, chưa mở đóng góp bên ngoài.

Giấy phép

Chưa xác định — chốt cùng rà soát pháp lý nguồn dữ liệu ở Tuần 1 (xem docs/02).