您的位置首页 >人工智能 >

A Survey of LLM-Driven Data Visualization Generation and Evaluation |LLM驱动数据可视化生

这篇 arXiv 综述围绕大语言模型驱动的数据可视化生成与评估方向,完整梳理了 NL2VIS(自然语言转可视化)领域的技术路线、主流方案、评测框架和现存短板,把从自然语言指令到图表产出的全流程做了归类整理,同时对比人工评估、自动化评测、基准数据集三类评估方式的优劣,指出当前 LLM 在复杂图表、多轮迭代、视觉审美、数据准确性上还有明显缺陷,也给出了智能可视化代理、多模态联合评测、人机协同可视化等后续研究方向,是了解文本生成图表领域全貌的参考材料。

LLM 驱动可视化生成主要分成三类实现路线,不同路线的产出形式、适用场景不一样。

  • 代码生成路线:LLM 读取自然语言需求,输出 Matplotlib、Vega-Lite、ECharts 这类可视化库代码,运行代码后渲染图表,是目前使用最多的方案,代表项目有 LIDA、Chat2VIS,优点是自由度高,能支持自定义交互图表,缺点是容易出现代码报错、数据映射错误。
  • 可视化规范生成路线:直接生成 Vega-Lite 这类声明式可视化描述文件,不依赖底层绘图代码,更容易做标准化自动校验,适合做基准测试,nvBench、VisEval 这类评测数据集大多采用这个路线。
  • 端到端图像生成路线:直接输出图表图片,不需要执行代码,适合快速预览,但数据准确性可控性差,很难校验数值对错,一般不作为正式分析图表使用。

LLM 驱动可视化的评估体系,分成两大板块,分别是系统自动评估和人工用户评估。

  1. 自动化评估
  2. 人工评估
评估维度检查内容常用基准
合法性代码可运行、语法无报错VisEval、nvBench、PlotCraft
数据准确性数据映射、坐标轴、数值匹配原始数据ChartQA、PlotQA
可读性与设计配色、布局、编码是否符合可视化规范Text2Vis 评测框架

由分析师或者普通用户打分,重点看图表能不能传递信息、是否容易误导、是否满足业务需求,成本高、速度慢,但最贴近真实使用效果。

现在这个方向的核心痛点集中在四个地方。

  1. 幻觉问题:LLM 会编造不存在的数据,或者把字段映射错,图表看起来正常,但结论错误,隐蔽性很强。
  2. 复杂任务能力不足:多子图联动、动态交互图表、复杂统计图表生成成功率偏低,多轮修改的时候容易越改越错。
  3. 评估标准不统一:很多评测只看代码能不能跑,很少衡量视觉表达效果,自动打分和人的主观感受经常不一致。
  4. 上下文约束弱:长数据表、复杂业务需求下,模型容易忽略用户的约束条件,比如指定配色、图表类型、标注要求。

未来的研究方向也比较清晰。

  • 构建可视化智能代理,增加调试、校验、自我修正环节,自动检查数据和图表一致性。
  • 多模态联合评测,结合图表问答 VQA 模型自动判断图表信息是否准确。
  • 融合可视化设计准则做提示词优化,对齐人类的视觉感知习惯。
  • 面向业务场景构建领域专用数据集,覆盖金融、科研、工业等行业专属图表需求。

【相关 FAQ】

问题 1:LLM 驱动数据可视化生成是什么意思?

回答 1:LLM 驱动数据可视化生成就是用大语言模型接收自然语言需求,自动产出图表代码、可视化描述或者图表图片,把文字描述直接转换成数据可视化成果,也就是 NL2VIS 自然语言转可视化任务。

问题 2:LLM 驱动数据可视化评估主要测哪些指标?

回答 2:LLM 驱动数据可视化评估主要测代码合法性、数据映射准确性、图表可读性、视觉设计合理性,分为自动化基准评测和人工用户评测两套方式,常用 VisEval、nvBench、PlotCraft 等基准集开展测试。

问题 3:LLM 驱动数据可视化生成最大的短板是什么?

回答 3:LLM 驱动数据可视化生成最大短板是数据幻觉,模型容易写错字段、编造数值,其次是复杂交互图表、多子图生成稳定性差,自动化评估很难完全替代人工判断图表表达效果。

问题 4:LLM 驱动数据可视化生成主流工具一般用哪一种生成路线?

回答 4:LLM 驱动数据可视化生成主流工具大多采用代码生成路线,输出 Matplotlib、ECharts、Vega-Lite 代码,兼顾灵活性和可调试性,适合数据分析场景使用。

【参考资料】

[2025-11-01](PlotCraft: Pushing the Limits of LLMs for Complex and Interactive Data Visualization)arXiv

[2025-07-31](Text2Vis: A Challenging and Diverse Benchmark for Generating Multimodal Visualizations from Text)arXiv

[2025-07-22](Evaluating LLMs for Visualization Generation and Understanding)arXiv

[2024-07-01](VisEval: A Benchmark for Data Visualization in the Era of Large Language Models)arXiv

[2024-01-15](Visualization Generation with Large Language Models: An Evaluation)arXiv

【免责声明】

本文内容仅为该 arXiv 综述论文相关方向的信息整理解读,不构成技术落地指导、产品选型建议,相关模型、基准数据集性能受提示词、数据质量、模型版本影响,实际使用效果存在差异。

今日大家都在搜的词: