识别并交互式细化数据可视化代码生成中模糊的用户目标
计算与语言
2025-10-13 v1 人工智能
计算机视觉与模式识别
人机交互
多智能体系统
摘要
在人机沟通中，建立共同的目标是基本步骤，但模糊性可能导致看似正确却未能反映说话者意图的输出。本文聚焦于数据可视化领域，其中自然语言的模糊性会影响生成可视化数据代码的能力。多种视图（例如意图图和呈现图的代码）为分析多样化模糊类型提供了唯一且全面的方式。我们发展了该任务中模糊类型分类学，并提出了量化这些模糊的度量标准。使用来自 DS-1000 数据集的 Matplotlib 问题，我们展示了我们的模糊度量标准与人类注释的相关性更好于不确定性基线方法。我们的工作还探讨了多轮对话如何减少模糊性，从而提高代码准确性以更好地匹配用户目标。我们评估了三种务实模型来指导我们的对话策略：Gricean Cooperativity、Discourse Representation Theory 和 Questions under Discussion。模拟用户研究揭示了如何通过务实对话减少模糊性并提高代码准确性，凸显了代码生成中多轮交流的价值。
引用
@article{arxiv.2510.09390,
title = {Identifying & Interactively Refining Ambiguous User Goals for Data Visualization Code Generation},
author = {Mert İnan and Anthony Sicilia and Alex Xie and Saujas Vaduguru and Daniel Fried and Malihe Alikhani},
journal= {arXiv preprint arXiv:2510.09390},
year = {2025}
}