使用验证驱动的 LLM 工作流程生成统计图表

对于 LLM 来说，从表格数据生成多样化、可读的统计图表仍然具有挑战性，因为许多故障在渲染后变得明显，并且无法仅从数据或代码中检测到。现有的图表数据集也很少提供完全对齐的工件，例如可执行代码、数据集上下文和问答对。我们提出了一个基于 LLM 的结构化工作流程，将图表生成分解为数据集筛选、绘图建议、代码合成、渲染、验证驱动的细化、描述生成和问题答案生成。通过合并渲染输出验证，工作流程解决了可视化特定的故障模式，例如可读性和语义不匹配。它将图表生成视为一个可检查的过程，而不是一次性提示编码任务，保留每个图表及其代码、数据集上下文、描述和问答对。该工作流程应用于 UCI 数据集，可从 74 个数据集生成 1,500 个图表，涵盖 24 个图表系列，并与 30,003 个问答对配对。我们在这些图表问题对上评估 16 个多模态 LLM (MLLM)。结果表明，图表语法问题几乎饱和，而值提取、比较和推理仍然更具挑战性，这说明了该工作流程在基于图表的多模态推理的诊断研究中的实用性。