自动化可视化改造与大语言模型.pdfVIP

自动化可视化改造与大语言模型

1212

SiddharthGangwar,DavidA.Selby,andSebastianJ.Vollmer

1UniversityofKaiserslautern–Landau(RPTU)

{byr34xub}@rptu.de

2DepartmentofDataScienceanditsApplications,GermanResearchCenterforArtificial

Intelligence(DFKI)

{david_antony.selby,sebastian.vollmer}@dfki.de

摘要制作一个能够准确高效地向观众传达所需信息的“好”图形既是艺术

本也是科学，通常不包含在数据科学课程中。“可视化大变身”是指社区交换

译反馈以改进图表和数据可视化的练习。多模态大型语言模型（LLMs）能否

中模拟这一任务？给定一张以图像文件或生成它的代码形式存在的图，一个

经过最佳实践列表训练的LLM被用来半自动地生成建设性批评意见，以

1

v制作“更好”的图。我们的系统围绕预训练模型的提示工程展开，依赖用

7户指定的指南和可能存在于LLM训练语料库中的任何潜在的数据可视化

3实践知识。与其它研究不同的是，重点不在于从原始数据或提示生成有效

6

5的可视化脚本，而是教育用户如何根据最佳实践解释改进他们现有的数据

0可视化。进行了一项定量评估以衡量LLM代理对不同类型图表的各种绘

.

8图问题的敏感性。我们将该工具作为简单自托管小程序提供，并具有易于

0

5访问的Web界面。

2该论文和数据集的副本可在https://OSF.io/4tb87获得

:

v

i

x关键词：大型语言模型；数据可视化；提示工程；误导性图表；自动化修正。

r

a

1介绍

数据可视化的清晰性和精确性对于跨领域的有效沟通至关重要，但许多

从业者缺乏设计最佳实践的正式培训，而这些最佳实践不断演变，在传统的

课堂环境中并不总是容易传授[1]。社区主导的举措如#美妆周一[9]体现了

通过重新构想现有图表以提高其效果和符合样式指南的努力。在此基础上，

我们探索多模态大型语言模型（LLMs）自主评估和改进可视化的能力。我们

提出一个系统，该系统接受图表作为输入（无论是图像还是代码表示），并识

别“语法”错误或设计规则违规行为，例如不恰当地使用双重轴；或者“风

格”错误，例如误用3D效果。该系统会识别这些问题，并提供改进建议。

2SiddharthGangwar,DavidA.Selby,andSebastianJ.Vollmer

虽然先