arXiv cs.AI· Jiawei Lu, Chen Zhang, Jinwei Lu, Yuanwei Song, Yuanfeng Song, Raymond Chi-Wing Wong·· 14 小时前AI 评分38
RSIV-Harness：面向开放域对话式文本可视化的递归自我改进框架
RSIV-Harness: A Recursive Self-Improvement Harness Framework for Open-Domain Conversational Text-to-Visualization
AI 导读
RSIV-Harness 提出一种保持语言模型权重固定、仅依据智能体自身失败轨迹递归修订外围 harness 的框架，通过四层框架的锚点与记忆检查筛选修订方案。配套 ODAC-Vis 基准含 640 个任务，覆盖开放域数据发现、歧义消解、多轮可视化精修与可执行图表生成。单轮改进即在全部六项指标上超越初始 harness，可执行性提升 28.02 分、图表结构提升 34.01 分。
正文 · AI 翻译
摘要：用户常常在不知道哪个数据库或表包含相关数据的情况下请求图表。此类请求可能存在歧义，用户还可能提出后续问题以深化分析或迭代改进已有图表。因此，一个有用的助手必须在异构数据库中发现相关数据源，在需要时提出澄清问题，并在保留先前轮次已确立约束的同时跟踪不断演变的用户意图。然而，近期的文本到可视化智能体通常依赖静态的智能体框架，这些框架是预定义的，尽管任务中反复出现失败也保持不变。为解决这一局限，我们提出 RSIV-Harness，它保持语言模型权重固定，并应用递归自我改进，从智能体自身的失败轨迹中修订其周围的框架。为平衡灵活的自我改进与稳定性，我们引入一个四层框架，通过锚点检查和记忆检查来评估所提出的框架修订，对通过者进行细化，否则恢复最佳已验证框架。我们进一步引入 ODAC-Vis，一个包含 640 个任务的基准，面向开放域、歧义和对话式文本到可视化，联合评估开放域数据发现、歧义消解、多轮可视化细化和可执行图表生成。实验表明，单轮 RSIV-Harness 相对于种子框架提升了全部六项评估指标，其中可执行性（+28.02 分）和图表结构（+34.01 分）提升尤为显著，展示了从任务求解经验中学习并将任务中反复出现的失败转化为显著性能提升的能力。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.35316 [cs.AI] |
| （或本版本使用 arXiv:2610.35316v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.35316 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jiawei Lu [查看邮箱]
[v1]
2026年10月26日星期一 12:16:14 UTC（4,473 KB）
来源：arXiv cs.AI · arxiv.org