arXiv cs.AI· Nathaniel Gorski, Shusen Liu, Bei Wang·· 3 天前AI 评分30
TopoPilot：面向拓扑数据分析与可视化的可靠对话式工作流自动化
TopoPilot: Reliable Conversational Workflow Automation for Topological Data Analysis and Visualization
AI 导读
TopoPilot 是一个用于自动化复杂科学可视化工作流的智能体框架，采用编排器与验证器双智能体架构，并加入确定性护栏。在覆盖 100 个提示词的 1000 次模拟多轮对话中，其成功率超过 95%，而无全面护栏与验证的基线不足 50%。在相似提示下，TopoPilot 在准确率、完成时间和 token 用量上均优于 Claude Code 和 Codex。
正文 · AI 翻译
摘要：近期的智能体系统表明，大型语言模型能够根据自然语言提示生成复杂的代码库。尽管取得了这些进展，但由于无效操作、细微错误以及无法解决欠指定的输入，它们在科学可视化方面仍存在可靠性问题。这些挑战在超出标准基准复杂度的真实工作流中更加突出。在这项工作中，我们提出了 TopoPilot，一个可靠且可扩展的智能体框架，用于自动化复杂的科学可视化工作流。我们以拓扑数据分析和可视化作为主要用例，同时将该框架设计为可推广到更广泛的可视化领域。TopoPilot 采用双智能体架构：一个编排器将用户提示转换为由原子后端操作组成的工作流，而一个验证器在执行前评估工作流。其模块化设计隔离了各组件，并支持在不修改核心系统的情况下添加新的拓扑描述符和领域特定工作流。它还采用大量确定性护栏来确保语义一致性和准确执行。为了系统地提高可靠性，我们开发了失效模式分类法，并针对每一类错误采用有针对性的防护措施。在跨越 100 个提示（包括对抗性和不可行请求）的 1,000 次模拟多轮对话中，TopoPilot 的成功率超过 95%，而缺乏全面护栏和验证的基线低于 50%。我们还表明，在类似提示下，TopoPilot 在准确性、完成时间和 token 使用量方面均优于 Claude Code 和 Codex。
| 评论： | 21 页，10 幅图 |
| 主题： | 人机交互（cs.HC）；人工智能（cs.AI）；图形学（cs.GR）；机器学习（cs.LG） |
| 引用为： | arXiv:2603.25063 [cs.HC] |
| （或使用 arXiv:2603.25063v2 [cs.HC] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2603.25063 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Nathaniel Gorski [查看电子邮件]
[v1]
2026 年 3 月 26 日星期四 05:56:53 UTC（8,973 KB）
[v2]
2026 年 10 月 9 日星期五 22:53:42 UTC（9,257 KB）
来源：arXiv cs.AI · arxiv.org