本研究論文介紹了一種名為 ChatVis 的創新方法,該方法利用大型語言模型 (LLM) 自動生成科學視覺化腳本。傳統上,科學視覺化依賴於使用者透過圖形介面或手動編寫腳本進行操作,這些方法既耗時又需要專業知識。ChatVis 旨在透過自然語言處理和迭代式腳本生成來簡化這個過程。
ChatVis 的核心是一個迭代式提示助手,它允許使用者以自然語言指定一系列分析/視覺化操作。然後,該助手會嘗試使用 LLM(在本研究中為 OpenAI GPT-4)為所需操作生成 Python 腳本。由於 GPT-4 並未針對資料分析和視覺化工具鏈的複雜性進行訓練,因此開發團隊實作了一個錯誤偵測和修正機制。此機制從腳本執行中提取錯誤訊息,並提示 LLM 修改腳本,直到其正確執行。
為了評估 ChatVis 的有效性,研究團隊針對五種典型的視覺化情境(等值面、切片和等高線、體積渲染、Delaunay 三角剖分以及流線追踪)對其進行了測試。在每個範例中,ChatVis 都能成功生成正確的腳本,而未經輔助的 LLM 則無法做到。ChatVis 生成的視覺化結果與手動建立的結果相符,證明了其準確性和可靠性。
ChatVis 代表著在利用 LLM 自動生成科學視覺化腳本方面邁出了重要一步。透過自然語言介面和迭代式錯誤修正功能,ChatVis 有可能讓更廣泛的研究人員更容易進行科學視覺化,並提高生產力。未來的研究方向包括使用 ParaView 原始碼中的函數呼叫對 ChatVis 進行微調,以及實作自動化腳本評估以進行大規模評估。
翻譯成其他語言
從原文內容
arxiv.org
深入探究