Codex-GPT-5

新的VisCodeBench数据集揭示文本到可视化系统的局限性

名为VisCodeBench的新基准数据集已被推出，用于评估文本到可视化系统，特别是在复杂、实际场景中的应用。该基准包含教育、科学和普通受众领域的2,672个样本。测试结果显示，尽管Codex、Claude Code和LIDA等当前系统在基本执行方面有所改进，但没有一个系统能够完全复制参考可视化，数据相似性得分在0.69到0.81之间。研究还强调，系统设计，包括提示和精炼流程，显著影响结果，而延迟仍然是这些工具面临的实际挑战。