在当今数据可视化领域，生成准确反映复杂数据的图表仍然是一项微妙的挑战。图表不仅需要捕捉精确的布局、色彩和文本位置，还需将这些视觉细节转化为代码，以重现预期的设计。然而，传统方法通常依赖于直接提示视觉 - 语言模型（VLM），如 GPT-4V，这在将复杂视觉元素转化为语法正确的 Python 代码时，常常遇到困难。即使是微小的差错也可能导致图表未能达到设计目标，这在金融分析、学术研究和教育报告等领域尤其重要。
为了解决这个问题，来自 UCLA（加利福尼亚大学洛杉矶分校）、UC Merced 和 Adobe 研究团队提出了一个新的框架，名为 METAL。该系统将图表生成任务分解为一系列由专门代理管理的集中步骤。
METAL 框架包括四个关键代理:生成代理、视觉评估代理、代码评估代理和修订代理。生成代理负责初步生成 Python 代码，视觉评估代理评估生成的图表与参考图的相符程度，代码评估代理审查生成的代码以捕捉任何语法或逻辑错误，最后修订代理根据评估反馈调整代码。
METAL 的模块化设计是其一大亮点。它通过将视觉解读和代码生成的任务分配给不同的代理，使每个代理可以专注于其特定功能。这种方法确保了图表的视觉和技术元素都得到充分考虑和调整，从而提高了生成图表的准确性和一致性。
在实验中，METAL 在 ChartMIMIC 数据集上进行了性能评估，结果显示其在文本清晰度、图表类型准确性、色彩一致性和布局精度等优于传统方法。与开源模型 LLAMA3.2-11B 和闭源模型 GPT-4O 的比较显示，METAL 生成的图表更接近参考图的准确性。
此外，研究还通过消融实验强调了视觉和代码评估机制分开的重要性。当这两个组件合并为一个评估代理时，性能往往下降，这表明专门化的评估方法对高质量图表生成至关重要。
METAL 通过将任务分解为专门的、迭代的步骤，提供了一种平衡的多代理方法。这种方法不仅促进了视觉设计向 Python 代码的精确转换，还为错误检测和修正提供了系统化的流程。随着计算资源的增加，METAL 的性能表现也呈现出接近线性的提升，这为其在精确要求较高的应用场景中提供了实用潜力。
项目:https://metal-chart-generation.github.io/
划重点:
🌟 METAL 框架由 UCLA、UC Merced 与 Adobe 联合提出，旨在优化图表生成过程。
🔍 框架包含四个专门的代理，分别负责生成、评估和修订图表，确保视觉和技术元素得到妥善处理。
📈 实验结果表明，METAL 在图表生成的准确性和一致性方面优于传统方法，展现出良好的实用潜力。