实体关系图（ ERD ）是概念数据库设计的核心，但它们通常仅作为渲染图像而不是机器可读的架构提供，限制了AI辅助数据库工程。我们介绍了ERUnderstand ，这是第一个用于结构化理解ER图的大规模基准，其中包括从策划的教育资源中收集的2,960个图，

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.24707v1)获取最准确的信息。

---
🔗 **原文链接**: [ERUnderstand: Evaluating Vision-Language Models on Structure](https://arxiv.org/abs/2607.24707v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Ali Ansari, Yasmin Mohammadi, Farnoush Nili, Parsa Esmaeilkhani, Longin Jan Latecki, Eduard Dragut

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
多模态正在逼近实用门槛。如果你想做产品级落地，这篇文章值得读。
Benchmark看多了容易麻木——跑分好不一定产品好用。这篇文章好在对分差有分析，不只是贴数据。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-28 14:02