时间：2026年11月14日（周六） 09:00
地点：望江校区基础教学楼B座318实验室
分享者：王艺蒙 邓拳
Part1
分享者：王艺蒙
分享内容：
[1] Xu J, Liu W, Liu Y, et al. Spatial Visual Analytics for Multi-Document Summary Verification[J]. arXiv preprint arXiv:2607.28853, 2026.
论文简介：
大型语言模型越来越多地被用于从文档集合中生成摘要，以支持信息理解和报告撰写，但验证摘要陈述是否以原始材料为依据仍然十分困难。在多文档摘要（MDS）中，证据分散在多个源文档中，并且可能存在不完整、相互冲突或缺失的情况。本文提出了 Summary Verification Space（SVS），这是一个通过空间化文档组织和协同溯源可视化来验证多文档摘要的可视分析系统。为了支持可扩展的验证，本文研究了两种可替代的二维画布布局：摘要引导布局，即根据文档与摘要句子之间的对应关系组织文档和源文档引导布局，即根据文档之间的语义相似性排列文档。随后，协同溯源可视化明确呈现摘要内容、源文档与支持证据之间的关系，使用户能够在验证过程中追踪支持证据、矛盾证据和缺失证据。一个以任务为导向的使用场景展示了审查工作流程：用户利用不同布局定位相关文档和内容覆盖缺口，然后检查关联的陈述及其原始证据，从而自行判断摘要内容是否有依据。在保持溯源可视化不变的对比研究中，与线性布局基线相比，两种空间布局均提高了整体准确率并降低了工作负担，其中在相关性任务上的提升最为明显。摘要引导布局在准确率、效率、信心和工作负担方面提供了最好的综合平衡。
Part2
分享者：邓拳
分享内容：
[2] Yi-Kai Li & Yong Wang. (2026). FOX: Visual Exploration of Data Fact Outliers. IEEE Visualization and Visual Analytics (VIS).
论文简介：
探索性数据分析（EDA）系统通过抽取并呈现数据事实，来归纳趋势、相关性等有意义的模式，从而支撑高效的数据集探索。然而，现有方法很少在“数据事实”这一层面考虑异常检测；而且，来自不同分析范围的异构事实往往被聚合到同一个视图中，导致难以定义有意义的度量指标，也难以有效分析数据事实中的异常。为填补这一空白，本文提出了 FOX——一个用于交互式数据事实异常探索（data Fact Outlier eXploration）的新型可视分析系统。FOX 将数据事实按一致的分析范围组织成组，并计算一个融合了基于分布与基于模式两种成分的统一异常得分。其界面由一个用于数据准备的上传面板和两个协同的探索面板构成：概览面板采用基于矩阵的可视化，使用户能直观地纵览全部数据事实；主面板则提供四个相互联动的视图，支持聚类层面与事实层面的分析。本文通过在公开数据集上开展两个使用场景，并对 12 名参与者进行深度访谈，评估了系统的可用性与有效性。结果表明，FOX 能够对数据事实异常进行有意义的检测、分析与解释。
