面向 LLM 生成表格数据关键验证的设计空间
人机交互
2025-05-08 v1
摘要
LLM 生成的表格数据正在为学术界、商业界和社会中的数据驱动应用创造新的机遇。为了利用缺失值插补、标注以及上下文感知属性增强等优势，LLM 生成的数据需要一个关键的验证过程。开创性方法的数量正在快速增长，开辟了一个前景广阔但至今仍缺乏结构的验证空间。我们提出了一个面向 LLM 生成表格数据关键验证的设计空间，包含两个维度：第一，分析粒度维度：从属性内（单条目与多条目）到跨属性视角（1 x 1、1 x m 和 n x n）。第二，数据源维度：区分 LLM 生成值、真实值、解释及其组合。我们讨论了每个维度交叉的分析任务，映射了 19 种现有验证方法，并详细讨论了两种方法的特征，展示了其描述能力。
引用
@article{arxiv.2505.04487,
title = {A Design Space for the Critical Validation of LLM-Generated Tabular Data},
author = {Madhav Sachdeva and Christopher Narayanan and Marvin Wiedenkeller and Jana Sedlakova and Jürgen Bernard},
journal= {arXiv preprint arXiv:2505.04487},
year = {2025}
}
备注
To appear at the 16th International EuroVis Workshop on Visual Analytics (EuroVA'25)