ALGOGEN：用于可靠算法可视化的工具生成可验证轨迹
软件工程
2026-05-13 v1
摘要
Algorithm Visualization（AV）有助于学生通过动画算法执行状态来构建心智模型。近期 LLM-based 系统如 CODE2VIDEO 以端到端方式生成 AV 视频。然而，这种范式需要系统同时模拟算法流程并满足视频渲染约束，如元素布局和配色方案。这种复杂任务会诱导 LLM 意识丧失，导致执行成功率下降、元素重叠和帧与帧之间的不一致。为解决这些挑战，我们提出了 ALGOGEN，一种将算法执行与渲染解耦的新范式。我们首先引入 Visualization Trace Algebra（VTA），这是一种关于算法视觉状态和操作的单子。随后 LLM 生成一个 Python tracker 来模拟算法流程并输出 VTA-JSON 轨迹，这是 VTA 的 JSON 编码。对于渲染，我们定义一种 Rendering Style Language（RSL）来模板化算法布局。一个确定性渲染器然后将 algorithm traces 与 RSL 编译为 Manim、LaTeX/TikZ 或 Three.js 输出。在 LeetCode AV 基准的 200 个任务上评估，ALGOGEN 相对于端到端方法实现了平均 17.3% 的成功率提升，99.8% 与 82.5%。这些结果表明，我们的解耦范式有效地缓解了在复杂 AV 任务中的 LLM 意识丧失，为自动生成高质量算法可视化提供了更可靠的解决方案。演示视频和代码均可在项目仓库中获取。
引用
@article{arxiv.2605.12158,
title = {ReproBreak: A Dataset of Reproducible Web Locator Breaks},
author = {Thiago Santos de Moura and Leon Adamietz and Samra Mehboob and Yannic Noller},
journal= {arXiv preprint arXiv:2605.12158},
year = {2026}
}