Infogen：从文档生成复杂统计信息图

统计信息图是强大的工具，能够将复杂数据简化为视觉上引人注目且易于理解的格式。尽管AI进步尤其是大语言模型(Large Language Models, LLMs)，现有工作仍仅限于生成简单图表，尚无针对从文本密集型文档生成复杂信息图的研究，这类任务需要深入理解内容。我们填补了这一空白，提出生成由多个子图（如折线图、柱形图、饼图）组成且在上下文中准确、具有洞察力且视觉一致的统计信息图的任务。为实现此目标，我们定义了信息图元数据，包括其标题和文本洞察，以及子图特定的细节，如其对应数据和对齐方式。我们还提出Infodat，这是第一个将文档与其元数据关联的文本到信息图元数据生成基准数据集。我们提出Infogen，一个两阶段框架，其中经过微调的LLM首先生成元数据，然后转换为信息图代码。对Infodat上的广泛评估表明，Infogen实现了最先进的性能，超越了封闭式和开源LLM在文本到统计信息图生成方面的表现。