ALGOGEN：用于可验证算法可视化轨迹的工具生成方法
人工智能
2026-05-13 v1 图形学
摘要
算法可视化 (AV) 有助于学生通过动画算法执行状态构建心智模型。近期基于 LLM 的系统如 CODE2VIDEO 采用端到端方式生成 AV 视频。然而，这种范式要求系统同时模拟算法流程并满足视频渲染约束，如元素布局和配色方案。这种复杂任务会诱导 LLM 意识形崩溃，导致执行成功率下降、元素重叠以及帧与帧之间的不一致性。为此，我们提出 ALGOGEN，一种将算法执行与渲染解耦的新范式。我们首先引入可视化轨迹代数 (VTA)，它是算法视觉状态和操作的单子。随后，LLM 生成一个 Python 跟踪器，用于模拟算法流程并输出 VTA-JSON 轨迹，这是 VTA 的 JSON 编码。对于渲染，我们定义渲染样式语言 (RSL) 以模板化算法布局。随后，确定性渲染器将算法轨迹与 RSL 编译为 Manim、LaTeX/TikZ 或 Three.js 输出。在针对包含 200 个任务的 LeetCode AV 基准进行评估后，ALGOGEN 相较于端到端方法实现了平均成功率提升 17.3%，从 82.5% 提升至 99.8%。这些结果表明，我们的解耦范式有效缓解了复杂 AV 任务中的 LLM 意识形崩溃，为自动生成高质量算法可视化提供了更可靠的解决方案。演示视频和代码均可在项目仓库中获得。
引用
@article{arxiv.2605.12159,
title = {ALGOGEN: Tool-Generated Verifiable Traces for Reliable Algorithm Visualization},
author = {Kunpeng Liao and Yuexiao Ma and Yisheng Lin and Hualin Zeng and Xiawu Zheng and Rongrong Ji},
journal= {arXiv preprint arXiv:2605.12159},
year = {2026}
}