大模型赋能的可视化与可视分析研究综述

数据可视化作为连接人类认知与数据科学研究的重要技术基础，正随着大模型的发展迎来范式转型。传统数据可视化主要依赖人工设计的视觉编码规则、图形语法与交互机制，通过显式映射和操作支持数据探索与信息传达。然而，面对日益增长的数据规模、多样化的数据类型以及复杂的分析与决策场景，基于静态图形和参数化交互的传统方法在效率、表达能力和语义支持方面逐渐显现局限。近年来，大规模预训练语言模型、多模态基础模型及数据智能体的兴起，为数据可视化的自动生成、智能分析和交互优化提供了新的技术动力。从基础理论层面看，大模型通过其强大的语义理解与推理能力，推动可视化从低层视觉编码向语义驱动的表达与感知建模演进。在可视分析层面，大模型与数据代理的结合使分析流程从以人为主导的工具操作，转向人-模型-知识协同的混合智能模式。在叙事可视化方面，大模型显著降低了数据叙事的创作门槛，使系统能够自动构建叙事结构、整合图文内容，并根据受众和情境动态调整表达方式。在可视化评估方面，大模型在图形质量评估与设计建议生成方面展现出潜力。本文围绕可视化基础理论、可视分析、可视化叙事与可视化评估四个方面，对大模型赋能下的数据可视化研究进展进行系统综述，分析当前面临的关键问题与发展趋势，为大模型时代的数据可视化研究与系统设计提供结构化的理论支撑。