研究提出结构感知检索增强生成方法
文章导读
你正为AI生成的科学可视化代码反复调试到崩溃？中科院一项新研究直接挑战了“自然语言指令=完美代码”的幻觉——他们发现大模型生成的可视化代码存在结构缺失、算子误用、顺序错乱等问题，人工修正几乎不可避免。但他们提出的结构感知检索增强生成方法，竟然将修正成本平均降低了79.1%。不是靠更复杂的提示词，而是让AI先理解管线逻辑、再匹配模块。这套方法还搭配了交互式分析系统，支持即时验证反馈。
— 内容由好学术AI分析文章内容生成，仅供参考。
近日，中国科学院计算机网络信息中心提出一种面向Web端科学可视化的结构感知检索增强生成方法，该方法引入管线规划与模块感知的匹配策略，有效缓解了大语言模型直接生成科学可视化代码时存在的结构缺失、算子误用和顺序错误等问题，实现由自然语言指令到可视化结果的可执行流水线自动化构建。
在转子切片分析、海洋气象流线生成以及等值面提取等典型任务中，该方法展现出良好适用性。评估结果显示，相较于直接利用大语言模型生成可视化结果的方法，该方法可将人工修正成本平均降低79.1%。基于此，团队进一步研发了面向科学可视化流水线构建的交互式分析与评估系统，支持科研人员通过交互式分析界面对生成结果进行即时验证与反馈，提升了科学分析效率与结果可靠性。
相关研究成果已被2026年PacificVis VisMeetAI研讨会收录，并发表在Information Visualization上。研究工作得到中国科学院战略性先导科技专项等的支持。
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
这个79.1%的降幅有点猛啊