近日，IEEE Computer Society出版委员会公布了2025年度最佳论文奖（2025 Best Paper Award）评选结果。该奖项针对IEEE Computer Society旗下20本权威学术期刊开展年度评选，本年度共评选出22篇获奖论文。今年是CCF-A类国际顶级期刊IEEE Transactions on Visualization and Computer Graphics（TVCG）首次参评IEEE Computer Society年度最佳论文奖。委员会针对TVCG的学科覆盖范围，专门划分计算机图形学、可视化与可视分析、虚拟现实与增强现实三大领域，分别评各选领域最佳论文奖。TVCG 2025年共刊载800余篇学术论文，首批仅有3篇论文获评年度最佳论文。

浙江大学伊利诺伊大学厄巴纳香槟校区联合学院（ZJUI）巫英才教授团队研究成果 ChartGPT: Leveraging LLMs to Generate Charts From Abstract Natural Language（面向模糊自然语言指令的图表生成大模型）获TVCG可视化与可视分析领域最佳论文奖。浙江大学2022级计算机科学与技术专业博士研究生田原担任第一作者，通讯作者为ZJUI教授巫英才和浙江大学软件学院“百人计划”研究员邓达臻。

获奖论文指出，依托自然语言直接生成可视化图表，已是近年来可视化领域的核心研究热点。但在实际场景中，用户给出的自然语言指令通常表述模糊，缺少清晰的视觉编码相关描述，而传统方法大多依靠词法解析与预设规则实现生成，受解析器语言理解上限约束，无法妥善处理模糊化指令输入，落地应用存在明显局限。

针对这一现存痛点，本文提出面向模糊自然语言指令的图表生成大模型 ChartGPT。ChartGPT 的核心创新思路，是将完整图表生成流程拆解为数据转换、可视化转换两大阶段，细化为六项具备可解释性的推理子任务。依托该分层架构，大语言模型可分步完成数据属性筛选、数据聚合、图表选型、视觉编码映射等一系列关键决策，有效提升图表生成结果的精准度与过程可控性。

▲ChartGPT 方法概览

针对通用大模型可视化专业知识储备不足的短板，研究团队搭建了模糊自然语言指令与图表匹配的专属数据集，通过微调训练强化模型图表生成能力。与此同时，研究配套搭建“人在回路” 交互界面，允许用户查看、修正中间推理环节内容，迭代优化输出图表。多项实验表明，ChartGPT 在定量评测指标上优于现有同类方案；用户调研同时验证了该模型在自然语言驱动图表生成任务中，具备良好的实用性与可靠性。

该论文已发表于IEEE Transactions on Visualization and Computer Graphics, vol. 31, no. 3, pp. 1731-1745, March 2025, doi: 10.1109/TVCG.2024.3368621.

论文链接：https://ieeexplore.ieee.org/document/10443572

IEEE Transactions on Visualization and Computer Graphics（TVCG）是由 IEEE Computer Society出版的国际顶级学术期刊，致力于发表计算机图形学、信息与科学可视化、可视分析、虚拟现实和增强现实等领域具有创新性与重要影响力的理论、方法、系统及应用研究成果。