港理工与字节提出 VisInteract：用交互搜索解决 Text-to-Vis 意图不完整问题，入选 NeurIPS 2026 Spotlight
用户的需求往往一次说不清，这篇论文让出图系统学会主动追问、走错还能回头，而不是自己替用户拍板。
文本到可视化（Text-to-Vis，让用户说出想看什么、系统自动查库出图的流程）通常默认用户一次就把需求说全，但真实查询往往含糊、缺信息甚至有事实错误。港理工与字节团队提出 VisInteract：把出图变成多轮交互，配基准 VisInteract-Bench（1098 条样本）和基于蒙特卡洛树搜索的方法 Vis-MCTS，让系统主动追问、能分叉也能回退，把用户真实意图问回来。
正文摘录
.jpg)  本文作者分别来自香港理工大学以及字节跳动。共同第一作者许文鑫、卢锦伟来自香港理工大学。许文鑫是香港理工大学博士生，指导老师为张晨教授与魏骁勇教授。 数据要让人看懂，通常得先从数据库里查出来，再画成图。文本到可视化（Text-to-Vis）做的就是这件事：用户说出想看什么，系统去库里查询，再用图表把需要的数据展示出来。 你可能会觉得，现在的大模型已经非常强，这不过是小菜一碟。模型强是强，可需求得说清楚。通常，大多数用户没法一次把自己的需求表达完整。比如「把 2025 年 top-5 产品的月度营收画出来，按地区拆开」，听着已经很具体，可 top-5 按销售额还是按销量、退款算不算、数据库里到底有没有 2025 年的数据，这些都还没定。只出一次图，系统不会问，只会自己默默选定一种解释。 所以，要得到与用户真实意图相匹配的数据可视化，往往需要模型与用户进行多轮交互：缺的补上，含糊的问清，说错的改掉，一步步落到真正想看的那张图。这也是这项工作的研究背景。从适用性上看，这个场景要解决的是真实业务里的查数与出图。