Badacze odkryli, że wykorzystanie spatial priming – podejścia bazującego na informacji o położeniu elementów – jest bardziej efektywne niż tradycyjne semantic prompting w zadaniach ekstrakcji danych z wykresów dla modeli LLM. Nowa metoda oparta na podejściu grid-based znacznie poprawia dokładność interpretacji danych wizualnych przez modele językowe. Odkrycie to ma praktyczne znaczenie dla zastosowań wymagających precyzyjnego czytania i analizowania wykresów oraz tabel.