Chat2VIS：使用 ChatGPT、Codex 和 GPT-3 大语言模型通过自然语言生成数据可视化

数据可视化领域长期致力于设计直接从自然语言文本生成可视化的解决方案。自然语言接口（NLI）的研究为这类技术的发展做出了贡献。然而，由于自然语言固有的歧义性，以及不清晰和编写不佳的用户查询给现有语言模型在辨别用户意图方面带来的问题，实现可用的 NLI 一直充满挑战。本研究并未遵循开发新迭代语言模型的常规路径，而是独辟蹊径地提出利用预训练大语言模型（LLM）如 ChatGPT 和 GPT-3 的进步，将自由形式的自然语言直接转换为用于生成适当可视化的代码。本文提出了一个新颖的系统 Chat2VIS，它利用 LLM 的能力，并展示了如何通过有效的提示工程，更高效地解决语言理解这一复杂问题，从而产生比先前方法更简单、更准确的端到端解决方案。Chat2VIS 表明，即使查询存在高度错误指定和欠指定，LLM 结合所提出的提示也能提供一种可靠的方法来根据自然语言查询生成可视化。该解决方案还显著降低了开发 NLI 系统的成本，同时与使用手工语法规则和定制模型的传统 NLP 方法相比，获得了更强的可视化推理能力。本研究还展示了如何以保护数据安全和隐私的方式构建 LLM 提示，同时使其能泛化到不同的数据集。这项工作通过多个案例研究比较了 GPT-3、Codex 和 ChatGPT 的性能，并将这些性能与先前的研究进行了对比。