VisInteract：面向不完美查询的动态交互式文本到可视化

现实中的可视化请求常存在模糊、不完整或事实错误的情况，但现有文本到可视化的系统假设输入明确且一次性生成图表。当查询不准确时，系统需与用户交互以恢复真实意图，但目前尚无基准或方法支持这一动态过程。我们提出VisInteract，一种将文本到可视化重新定义为以交互驱动意图恢复的新范式，并提出VisInteract-Bench，据我们所知，这是首个用于动态交互式文本到可视化的基准，具备受控的不完美注入、可控泄露的用户智能体以支持真实多轮反馈，以及代码与图表双视角的自动化评估。在算法层面，我们提出Vis-MCTS，一种基于蒙特卡洛树搜索（MCTS）的增强方法，引入了三种改进：渐进扩展以控制树搜索中工具参数空间的无界性，跨轨迹展开的信息共享使澄清与批评惠及整个搜索树，以及维度感知奖励分解，将标量用户反馈沿数据准确性、可视化设计和意图对齐三个维度分配，以解决异构操作间的信用分配问题。在两个大语言模型基础架构上的广泛实验表明，Vis-MCTS在各项指标上均优于所有文本到可视化的基线方法，相较于最强的交互式基线，端到端任务成功率提升13.40%至16.27%，相比非交互式方法提升超过5倍。