본 논문은 교육 환경에서 기초 모델(FMs)의 시각적 추론 능력을 평가하기 위한 새로운 벤치마크인 EduVisBench를 제시합니다. 기존의 접근 방식이 주로 텍스트 추론에 집중하는 반면, EduVisBench는 시각적 이해를 돕는 구조적이고 해석 가능한 시각화의 중요성을 강조합니다. 다양한 STEM 문제와 세분화된 평가 기준을 포함하는 EduVisBench를 통해 기존 모델들이 복잡한 추론을 분해하고 인간의 인지 과정에 맞는 시각적 표현으로 변환하는 데 어려움을 겪는다는 것을 실험적으로 보여줍니다. 이러한 한계를 해결하기 위해, 본 논문은 교육 계획, 추론 분해, 메타인지 프롬프팅, 시각화 디자인을 담당하는 전문 에이전트를 조정하는 다중 에이전트 협업 프레임워크인 EduVisAgent를 제안합니다. 실험 결과, EduVisAgent는 기존 모델보다 40.2% 향상된 성능을 보이며 교육적으로 더 적합한 시각화를 제공합니다. EduVisBench와 EduVisAgent는 공개적으로 제공됩니다.
