Automated Visualization Code Synthesis via Multi-Path Reasoning and Feedback-Driven Optimization
Created by
Haebom
저자
Wonduk Seo, Seungyong Lee, Daye Kang, Hyunjin An, Zonghao Yuan, Seunghyun Lee
개요
본 논문에서는 대규모 언어 모델(LLM)을 이용한 자동 시각화 코드 생성 애플리케이션의 한계점을 극복하기 위해 VisPath 프레임워크를 제안합니다. VisPath는 사용자의 모호하고 복잡한 질의를 다단계 구조화된 처리를 통해 해결합니다. 사용자 입력을 Chain-of-Thought (CoT) 프롬프팅을 통해 여러 개의 확장된 질의로 변환하여 LLM이 사용자 의도를 다양하게 해석하도록 합니다. 이후 생성된 후보 시각화 스크립트를 실행하여 다양한 이미지를 생성하고, 각 출력의 시각적 품질과 정확성을 평가하여 생성된 피드백을 종합하여 최적의 최종 결과를 합성합니다. MatPlotBench와 Qwen-Agent Code Interpreter Benchmark 등의 벤치마크에서 기존 최첨단 방법보다 우수한 성능을 보임을 실험적으로 입증합니다.
시사점, 한계점
•
시사점:
◦
모호하고 복잡한 질의에 대한 시각화 코드 생성의 신뢰성 향상
◦
Chain-of-Thought 프롬프팅과 다중 경로 추론을 통한 LLM의 해석 능력 향상
◦
피드백 기반 최적화를 통한 최종 결과의 품질 향상
◦
MatPlotBench 및 Qwen-Agent Code Interpreter Benchmark에서 SOTA 성능 달성
•
한계점:
◦
VisPath의 성능 향상에 기여하는 각 구성 요소(CoT 프롬프팅, 다중 경로 추론, 피드백 기반 최적화)의 상대적 중요도에 대한 정량적 분석 부족
