LLM은 시각화를 위한 준비가 되었나요?

생성 모델은 학계와 산업계 여러 분야에서 많은 관심을 받고 있습니다. 이들의 능력은 프롬프트에 따라 이미지를 발명하는 것부터 특정 프로그래밍 문제를 해결하는 구체적인 코드를 생성하는 것까지 다양합니다. 이 두 가지 대표적인 사례는 Bing Chat이 특징짓는 "창의성"에서 "정확성"까지 다양한 요구 범주에 속하며, Bing Chat은 ChatGPT-4를 기반으로 사용합니다. 시각화 실무자와 연구자들은 이러한 시스템 중 하나가 우리의 작업을 더 효율적으로 수행할 수 있을지에 대해 궁금해 했습니다. 문헌에 따르면 시각화 생성에 이를 활용한 연구들이 있고, Lida와 같은 일부 도구들은 파이프라인의 일부로 통합하고 있습니다. 그럼에도 불구하고, 저자들이 알기로는 광범위하고 심층적인 평가를 포함하는 체계적인 능력 검증 방법은 발표된 바 없습니다. 본 연구의 목표는 세 가지 요소를 분석하는 체계적인 접근법으로 이 공백을 채우는 것입니다: 대형 언어 모델이 다양한 차트를 올바르게 생성할 수 있는지, 어떤 라이브러리를 효과적으로 다룰 수 있는지, 개별 차트를 얼마만큼 구성할 수 있는지. 이를 위해 먼저 데이터 시각화에서 일반적으로 사용되는 다양한 차트를 선택했습니다. 그런 다음 이를 생성할 수 있는 일반적인 프롬프트 집합을 개발하고 서로 다른 LLM과 라이브러리의 성능을 분석했습니다. 결과물에는 프롬프트와 데이터 소스 세트뿐 아니라 다양한 구성에서의 성능 분석도 포함됩니다.