AbstractExplorer:利用结构映射理论增强大规模比较性细读

大语言模型(LLM)的人机协作交互式数据可视化大学教授与研究人员软件工程师与开发者

如今的旗舰单个会议可能有一千多篇论文;即使只是阅读最新相关会议上每篇论文的摘要来跟上研究步伐,也需要大量时间和记忆力。该领域的先前可视化普遍遵循 Shneiderman 的视觉信息搜索箴言,按需提供细节。然而,最近在其他领域,系统设计师利用结构映射理论(SMT)来同时概览和详情,促进抽象而不丢失上下文。我们构建并评估了一个名为 AbstractExplorer 的系统,该系统具有类似的 SMT 衍生特征,用于科学摘要语料库的熟悉化。AbstractExplorer 具有独特的组合:(1)大语言模型驱动的Facet 比较细读,(2)角色高亮,(3)基于结构的排序和(4)对齐。消融研究(N=24)验证了这些特征组合使用效果最佳。一项总结性研究(N=16)描述了这些功能如何帮助用户熟悉来自单个大型会议的超1000篇论文摘要语料库。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/206833/2025

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3746059.3747773
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
7 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、交互式数据可视化
work
职业/产业
大学教授与研究人员、软件工程师与开发者
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文