在数据可视化领域，生成准确反映复杂数据的图表一直是一项具有挑战性的任务。传统方法依赖于直接提示视觉-语言模型（VLM），如GPT-4V，但在将复杂视觉元素转化为语法正确的Python代码时，常常面临困难。为了克服这一难题，加利福尼亚大学洛杉矶分校（UCLA）、加利福尼亚大学默塞德分校（UC Merced）与Adobe研究团队携手合作，推出了一个名为METAL的创新框架。
METAL框架的核心在于其模块化的设计，它将图表生成任务分解为一系列由专门代理管理的步骤。这些关键代理包括生成代理、视觉评估代理、代码评估代理和修订代理。生成代理负责初步生成Python代码，而视觉评估代理则评估生成的图表与参考图的相符程度。代码评估代理负责审查生成的代码，以确保没有语法或逻辑错误。最后，修订代理根据前两个代理的评估反馈调整代码，以进一步优化图表生成结果。
METAL框架的这一设计确保了图表的视觉和技术元素都得到充分考虑和调整。通过分工明确、各司其职的代理系统，METAL不仅提高了图表生成的准确性，还增强了其一致性。在实验中，METAL在ChartMIMIC数据集上进行了性能评估，结果显示其在文本清晰度、图表类型准确性、色彩一致性和布局精度等方面均优于传统方法。
与传统的图表生成方法相比，METAL展现出了显著的优势。与开源模型LLAMA3.2-11B和闭源模型GPT-4O的比较显示，METAL生成的图表更接近参考图的准确性。此外，研究还通过消融实验强调了视觉和代码评估机制分开的重要性。当这两个组件合并为一个评估代理时，性能往往下降，这进一步证明了METAL框架中专门化评估方法的有效性。
METAL框架通过将任务分解为专门的、迭代的步骤，提供了一种平衡的多代理方法。这种方法不仅促进了视觉设计向Python代码的精确转换，还为错误检测和修正提供了系统化的流程。随着计算资源的增加，METAL的性能表现也呈现出接近线性的提升，这为其在精确要求较高的应用场景中提供了巨大的实用潜力。
