DeepVIS：通过分步推理将自然语言与数据可视化对接
人工智能
2025-12-16 v2
摘要
尽管数据可视化在揭示模式和传递洞察方面具有强大功能，但创建有效的可视化图表需要熟悉 authoring 工具，往往会打断分析流程。虽然大型语言模型在自动将分析意图转换为可视化图表方面显示出前景，但现有方法作为黑盒子，缺乏透明的推理过程，这会阻碍用户理解设计依据并优化次优输出。为弥合这一差距，我们提出将链式思维 (Chain-of-Thought, CoT) 推理集成到自然语言到可视化 (NL2VIS) 流程中。首先，我们设计了完整的 NL2VIS 推理流程，并开发了自动化管道，为现有数据集添加结构化推理步骤。其次，我们引入 nvBench-CoT，一个捕获从模糊自然语言描述到最终可视化图表过程中详细分步推理的专用数据集，该数据集在模型微调时可实现最先进的性能。最后，我们开发了 DeepVIS，一个紧密集成 CoT 推理过程的交互式可视化界面，允许用户检查推理步骤、识别错误并进行针对性调整以提高可视化效果。定量基准评估、两个案例研究以及用户研究共同证明，我们的 CoT 框架在有效提升 NL2VIS 质量的同时，为用户提供了具有洞察力的推理步骤。
引用
@article{arxiv.2508.01700,
title = {DeepVIS: Bridging Natural Language and Data Visualization Through Step-wise Reasoning},
author = {Zhihao Shuai and Boyan Li and Siyu Yan and Yuyu Luo and Weikai Yang},
journal= {arXiv preprint arXiv:2508.01700},
year = {2025}
}
备注
IEEE VIS 2025 full paper