近日，中心先进交互式技术与应用发展部团队创新性的提出了一种面向 Web 端科学可视化的结构感知检索增强生成（RAG）方法 。

该方法通过引入管线规划与模块感知的匹配策略，有效缓解了大语言模型直接生成科学可视化代码时出现的结构缺失、算子误用和顺序错误等问题 ，实现了从自然语言指令到可视化结果的可执行流水线的自动化构建 。

面向Web 端科学可视化的结构感知检索增强生成（RAG）方法

在转子切片分析、海洋气象流线生成以及等值面提取等典型任务中，该方法展现出良好的适用性与显著优势。评估结果表明，相较于直接利用大语言模型生成可视化结果的方法，该方法可将人工修正成本平均降低 79.1%。基于该方法，团队研发了面向科学可视化流水线构建的交互式分析与评估系统，支持科研人员通过交互式分析界面对生成结果进行即时验证与反馈，提升了科学分析效率与结果可靠性。

该项研究成果已被2026年PacificVis VisMeetAI研讨会收录，并发表于国际学术期刊 Information Visualization。通讯作者为单桂华研究员。该成果受到中国科学院战略性先导科技专项（No.XDB0500103）、北京市自然科学基金（No.4254090）及中国科学院计算机网络信息中心青年基金（No.25YF07）的支持。

面向科学可视化流水线构建的交互式分析与评估系统

相关成果：Guanghui Zhao, Zhe Wang, Yu Dong, Guan Li, & GuiHua Shan. (2026). Toward reliable scientific visualization pipeline construction with structure-aware retrieval-augmented LLMs. Information Visualization. DOI: 10.1177/14738716261434848.

责任编辑：郎杨琴