.png){kind=icon}
返回
LightVA: Lightweight Visual Analytics With LLM Agent-Based Task Planning and Execution
.png){kind=icon}
OA
AI
DOI：10.1109/TVCG.2024.3496112.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可视分析（VA）要求分析师基于观察迭代地提出分析任务，并通过创建可视化和交互式探索来执行任务以获得洞察。这一过程需要编程、数据处理和可视化工具的技能，突显了对更智能、更简化的VA方法的迫切需求。大型语言模型（LLMs）最近被开发为能够通过动态规划和工具使用能力处理各种任务的智能体，为提升VA的效率和多功能性提供了潜力。我们提出了LightVA，一个轻量级VA框架，通过人机协作支持任务分解、数据分析和交互式探索。我们的方法旨在帮助用户逐步将高级分析目标转化为低级任务，生成可视化并得出洞察。具体而言，我们引入了一种基于LLM智能体的任务规划与执行策略，采用涉及规划者、执行者和控制器的递归过程。规划者负责推荐和分解任务，执行者处理任务执行，包括数据分析、可视化生成和多视图组合，控制器协调规划者与执行者之间的交互。在此基础上，我们开发了一个具有混合用户界面的系统，包括用于监控和管理任务规划过程的任务流程图、用于交互式数据探索的可视化面板以及用于通过自然语言指令引导模型的聊天视图。我们通过一个使用场景和专家研究来检验我们方法的有效性。
Keyword:
Visual analytics
task planning
large language model agent
mixed-initiative interaction
期刊
IF:
6.5
论文数:
309
被引数:
2.2W
机构
引用论文
.png){kind=icon}
Formalizing Visualization Design Knowledge as Constraints: Actionable and Extensible Models in Draco
OAAI
OAAI分享收藏LIDA: A Tool for Automatic Generation of Grammar-Agnostic Visualizations and Infographics using Large Language ModelsLIDA：一种利用大型语言模型自动生成语法无关的可视化和信息图的工具OAAI
OAAI分享收藏分享收藏
查看更多内容