論文の概要: Agentic Authoring of Interactive Multiview Visualizations in Genomics
- arxiv url: http://arxiv.org/abs/2606.00370v1
- Date: Fri, 29 May 2026 21:22:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.366123
- Title: Agentic Authoring of Interactive Multiview Visualizations in Genomics
- Title（参考訳）: ゲノミクスにおける対話型マルチビュー可視化のエージェントオーサリング
- Abstract要約: エージェントおよび大規模言語モデル(LLM)アプローチは、複雑な科学的タスクにますます適用されている。
自然言語の会話インタフェースは、複雑な視覚化の著者を民主化するための有望な道を提供する。
ゲノムヴィジュアライゼーションは異種データ型を統合し、複数のリンクされたインタラクティブビューで構成されている。
- 参考スコア（独自算出の注目度）: 10.74947096548303
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diverse genomics data, scientific questions, and analysis tasks typically demand highly specialized visualizations. Therefore, users often must customize or author new ones tailored to their data. Existing tools are usually either limited in customization or require substantial learning or programming, and even expressive tools assume visualization expertise many users lack. Agentic and large language model (LLM) approaches are increasingly applied to complex scientific tasks, including visualization. Natural-language conversational interfaces offer a promising path to democratizing the authoring of complex visualizations. In the context of genomics, these approaches face additional challenges: genomics visualizations typically integrate heterogeneous data types and are composed of multiple linked interactive views. These challenges motivate more structured LLM-based schemes. We first characterize where vanilla LLM generation succeeds and fails for genomics visualization, identifying eight quality dimensions. We then compare six schemes--direct generation, a fixed pipeline, and four agentic configurations varying in the number of specialist agents and the presence of a reviewer--across 159 cases spanning three levels of query ambiguity and specification complexity. All schemes use the Gosling visualization grammar as structured output. Agentic iteration substantially improves perceived quality over both baselines, while more complex agent architectures yield no additional benefit. We discuss implications for designing agentic systems for domain-specific visualization authoring. All supplemental materials are available at https://osf.io/uqe83.
- Abstract（参考訳）: 異種ゲノムデータ、科学的問題、分析タスクは通常、高度に専門的な視覚化を必要とする。
そのため、ユーザーはデータに合わせてカスタマイズしたり、新しいものを書いたりしなければならないことが多い。
既存のツールは通常、カスタマイズに制限されるか、実質的な学習やプログラミングを必要とする。
エージェントおよび大規模言語モデル(LLM)アプローチは、可視化を含む複雑な科学的タスクにますます適用されている。
自然言語の会話インタフェースは、複雑な視覚化の著者を民主化するための有望な道を提供する。
ゲノムヴィジュアライゼーションは通常、異種データ型を統合し、複数のリンクされたインタラクティブビューで構成されます。
これらの課題は、より構造化されたLCMベースのスキームを動機付けている。
まず、バニラLLM生成が成功し、ゲノミクスの可視化に失敗し、8つの品質次元を識別する点を特徴付ける。
次に、クエリのあいまいさと仕様の複雑さの3つのレベルにまたがる159のケースにおいて、専門家の数やレビュアーの存在によって異なる6つのエージェント構成をダイレクトジェネレーション、固定パイプライン、および4つのエージェント構成と比較する。
すべてのスキームは、構造化された出力としてGosling視覚化文法を使用する。
エージェント反復は、両方のベースラインよりも認識される品質を大幅に改善する一方、より複雑なエージェントアーキテクチャは追加の利益を得られない。
ドメイン固有の可視化オーサリングのためのエージェントシステムを設計することの意味について論じる。
すべての追加資料はhttps://osf.io/uqe83.comで入手できる。
関連論文リスト
- More with Less: a Large Scale Remote Sensing VLM with a Simple Recipe [52.210953881548996]
遠隔センシングベンチマークに挑戦することで,視覚言語モデルが競争力や最先端のパフォーマンスを達成可能であることを示す。
我々のモデルは、テキストで直接答えるか、セグメント化とグラウンド化のためにローカライズツールを呼び出すことができる単一の言語ポリシーを使用する。
提案手法は,高分解能,マルチテンポラル,マルチモーダル,マルチビュータスクを含む,幅広いベンチマークの競合性を実現する。
論文 参考訳（メタデータ） (2026-07-17T13:25:44Z) - LLM Agents Can See Code Repositories [14.881212557304414]
大規模言語モデルを利用したコーディングエージェントは、ソフトウェア工学のタスクに強いパフォーマンスを示してきた。
ほとんどのエージェントは、ほとんど完全にテキストとしてリポジトリを消費します。
標準テキストインタフェースと並行して、リポジトリ構造を視覚的に表現することで、エージェントは構造をより効率的に理解できるようになる。
論文 参考訳（メタデータ） (2026-06-12T03:14:40Z) - Symbolic and Abstractive Reasoning with Complex Visual Queries [57.59111649292774]
CVQ(complex visual query)と呼ばれる新しい抽象データ型を探索する。
CVQは記号的・抽象的推論(英語版)を探索し、MLLMに対する人間のような神経-記号的推論の批判的かつ過小評価された次元である。
本稿では、MLLMを頑健な視覚的推論能力で段階的に装備する2段階のトレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-08T08:30:51Z) - Exploring Interaction Paradigms for LLM Agents in Scientific Visualization [7.22431217973039]
本稿では,大規模言語モデル(LLM)エージェントが科学的可視化(SciVis)タスクでどのように機能するかを検討する。
我々は、ドメイン固有のエージェントと構造化ツールの使用、コンピュータ利用エージェント、汎用コーディングエージェントの3つの主要な相互作用パラダイムを比較した。
論文 参考訳（メタデータ） (2026-04-30T15:22:28Z) - OFA-MAS: One-for-All Multi-Agent System Topology Design based on Mixture-of-Experts Graph Generative Models [57.94189874119267]
マルチエージェントシステム(MAS)は複雑な問題を解決するための強力なパラダイムを提供する。
現在のグラフ学習に基づく設計手法は、しばしば「1対1」のパラダイムに準拠している。
自然言語で記述されたタスクに対して適応的な協調グラフを生成する一対一のフレームワークOFA-TADを提案する。
論文 参考訳（メタデータ） (2026-01-19T12:23:44Z) - S-DAG: A Subject-Based Directed Acyclic Graph for Multi-Agent Heterogeneous Reasoning [22.610518752034043]
大規模言語モデル(LLM)は複雑な推論問題において顕著な性能を達成した。
本研究では,指定されたマルチエージェント協調戦略を備えた対象レベルできめ細かい分析を行う新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-10T05:40:02Z) - Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
文書理解は、財務分析から科学的発見への応用に不可欠である。
現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。
Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
論文 参考訳（メタデータ） (2025-10-17T02:33:16Z) - InterChat: Enhancing Generative Visual Analytics using Multimodal Interactions [22.007942964950217]
視覚要素の直接操作と自然言語入力を組み合わせた生成的視覚分析システムであるInterChatを開発した。
この統合により、正確なインテント通信が可能になり、プログレッシブで視覚的に駆動された探索データ分析をサポートする。
論文 参考訳（メタデータ） (2025-03-06T05:35:19Z) - OmniParser V2: Structured-Points-of-Thought for Unified Visual Text Parsing and Its Generality to Multimodal Large Language Models [58.45517851437422]
VsTP(Visually-situated text parsing)は、自動化された文書理解の需要が高まり、最近顕著な進歩を遂げている。
既存のソリューションは、タスク固有のアーキテクチャと個々のタスクの目的に依存していることが多い。
本稿では,テキストスポッティング,キー情報抽出,テーブル認識,レイアウト解析など,VsTPの典型的なタスクを統一する汎用モデルであるOmni V2を紹介する。
論文 参考訳（メタデータ） (2025-02-22T09:32:01Z) - Complexity in Complexity: Understanding Visual Complexity Through Structure, Color, and Surprise [6.324765782436764]
人間がどのように視覚の複雑さを知覚するかを理解することは、視覚認知において重要な研究領域である。
複雑性を正確にモデル化することは、これまで考えられていたほど単純ではなく、データセットのバイアスに対処するために、知覚的および意味的な要素を追加する必要がある。
我々のモデルは、解釈可能性を維持しながら予測性能を改善し、視覚的複雑さの認識と評価についてより深い洞察を提供する。
論文 参考訳（メタデータ） (2025-01-27T09:32:56Z) - Iris: Breaking GUI Complexity with Adaptive Focus and Self-Refining [67.87810796668981]
インフォメーション・インフォメーション・インフォメーション・クロッピング(ISC)と自己精製デュアルラーニング(SRDL)
Irisは850KのGUIアノテーションだけで、複数のベンチマークで最先端のパフォーマンスを実現している。
これらの改善は、WebとOSエージェントの両方の下流タスクで大幅に向上した。
論文 参考訳（メタデータ） (2024-12-13T18:40:10Z) - MMSci: A Dataset for Graduate-Level Multi-Discipline Multimodal Scientific Understanding [59.41495657570397]
本稿では,72の科学分野をカバーするNature Communicationsの記事からまとめられた包括的データセットについて述べる。
2つのベンチマークタスク(図のキャプションと複数選択)で19のプロプライエタリモデルとオープンソースモデルを評価し,人手による注釈を行った。
タスク固有データを用いた細調整Qwen2-VL-7Bは、GPT-4oや人間の専門家でさえも、マルチチョイス評価において優れた性能を示した。
論文 参考訳（メタデータ） (2024-07-06T00:40:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。