深度分析
HiLSVA：結合大型語言模型與多代理的人機協作科學視覺化系統
隨著大型語言模型在科學視覺化領域的應用日增，HiLSVA 以人機協作的混合主動式架構，結合計畫先行、多代理協調、步驟可追溯與測試時學習，讓使用者可在自然語言與直接操作間自由切換。實驗顯示，此模式提升任務完成率與流程透明度，同時在效率與監控間取得平衡。
深度分析
隨著大型語言模型在科學視覺化領域的應用日增，HiLSVA 以人機協作的混合主動式架構，結合計畫先行、多代理協調、步驟可追溯與測試時學習，讓使用者可在自然語言與直接操作間自由切換。實驗顯示，此模式提升任務完成率與流程透明度，同時在效率與監控間取得平衡。
深度分析
本文比較大型語言模型（LLM）代理在科學視覺化（SciVis）任務中的三類互動範式：領域專用的結構化工具呼叫、模擬使用者操作的電腦操作代理，以及以產生程式碼為主的通用程式代理。研究採用統一的ParaView任務集與多次試驗，評估成功率、效率、穩健性與計算成本，並探討互動模式（CLI/GUI/MCP）與持久記憶對表現的影響。