MapExplorer：从低维可视化生成新内容
人工智能
2025-05-16 v2 人机交互
摘要
低维可视化（即“投影图”）广泛应用于科学与创意领域，以解释大规模复杂数据集。这些可视化不仅有助于理解现有知识空间，还隐含地引导向未知区域的探索。虽然 t-SNE 与 UMAP 等技术可生成此类地图，但尚无系统方法能利用它们生成新内容。为此，本文引入 MapExplorer—a 一种新型知识发现任务——将投影图中的坐标转换为连贯且语境对齐的文本内容。这一机制使用户能够交互式地探索并发现地图中潜藏的洞见。为评估 MapExplorer 方法的性能，我们提出 Atometric—a 一种受 ROUGE 启发的细粒度指标，用于量化生成文本与参考文本之间的逻辑连贯性与对齐程度。在多样化数据集上进行实验表明，MapExplorer 在生成科学假设、构建合成人物画像及设计大语言模型攻击策略方面具有广泛适用性——即便仅依靠简单的基线方法也能实现。通过连接可视化与生成，本工作凸显了 MapExplorer 在大规模数据探索中实现直观人机协作的潜力。
引用
@article{arxiv.2412.18673,
title = {MapExplorer: New Content Generation from Low-Dimensional Visualizations},
author = {Xingjian Zhang and Ziyang Xiong and Shixuan Liu and Yutong Xie and Tolga Ergen and Dongsub Shim and Hua Xu and Honglak Lee and Qiaozhu Me},
journal= {arXiv preprint arXiv:2412.18673},
year = {2025}
}