Resumo Técnico: Autoria Agêntica de Visualizações Multiview Interativas em Genômica

Declaração do Problema

A pesquisa em genômica exige visualizações altamente especializadas que integram tipos de dados heterogêneos (ex: BigWig, BED, BAM, VCF) em layouts multi-view interativos. Embora os Modelos de Linguagem de Grande Escala (LLMs) mostrem promessa para democratizar a autoria de visualizações via linguagem natural, eles enfrentam obstáculos significativos neste domínio:

1. Complexidade: Visualizações genômicas frequentemente exigem composições de múltiplas trilhas (tracks), interações coordenadas (brushing, linking) e idiomatismos específicos do domínio (ex: bandas citogenéticas, direcionalidade de genes) que os LLMs genéricos têm dificuldade em gerar corretamente em uma única passagem.
2. Ambiguidade: Consultas de usuários muitas vezes carecem de referências explícitas de dados ou intenção de visualização, exigindo esclarecimentos e decisões de design informadas pelo domínio.
3. Limitações das Abordagens Atuais: Ferramentas existentes ou carecem de customização ou exigem perícia em programação. Embora sistemas agênticos tenham sido propostos para visualização geral, sua eficácia em contextos genômicos multi-view complexos permanece subexplorada, e não há consenso sobre arquiteturas de agentes ideais (ex: agente único vs. multi-agente, presença de um revisor).

Metodologia

Conjunto de Dados e Cenários

Os autores construíram um conjunto de dados de avaliação de 159 casos derivados de 53 especificações Gosling de verdade fundamental (uma gramática declarativa para visualização genômica). Estes casos abrangem:

• Três Níveis de Complexidade (L1–L3): De gráficos de trilha única (L1) a navegadores genômicos complexos de estilo aplicação com visualizações coordenadas e dados heterogêneos (L3).
• Três Cenários de Consulta (S1–S3):
  • S1: Consultas inequívocas com dados e intenção explícitos.
  • S2: Pedidos vagos que requerem disambiguação de dados ou esclarecimento de intenção.
  • S3: Objetivos analíticos sem formas visuais prescritas, exigindo design informado pelo domínio.
• Protocolo de Avaliação: Cada caso foi executado três vezes por esquema, totalizando 2.862 execuções usando GPT-5.4-2026-03-05.

Esquemas de Autoria

Seis esquemas distintos foram comparados, variando de baselines não-agênticos a configurações agênticas complexas:

1. Geração Direta: Uma única chamada de LLM produzindo uma especificação Gosling completa (Baseline Vanilla).
2. Pipeline Fixo: Uma cadeia de três etapas feita à mão (Resolução de Dados → Codificação → Composição) sem feedback iterativo.
3. Agente Único: Um agente generalista que gera, renderiza, inspeciona e corrige a especificação iterativamente.
4. Multi-Agentes: Três agentes especialistas (Alinhamento de Consulta-Dados, Conformidade de Elemento Visual, Layout e Estrutura) colaborando em um loop compartilhado.
5. Agente Único + Revisor: O agente generalista mais um revisor holístico.
6. Multi-Agentes + Revisor: Os três especialistas mais um revisor holístico.

Todos os esquemas agênticos utilizam um loop gerar-renderizar-inspecionar-corrigir, onde os agentes modificam as especificações com base em screenshots renderizados e um protocolo de coordenação compartilhado. Um Agente de Proxy do Usuário simulou o esclarecimento do usuário para consultas ambíguas (S2/S3).

Métricas de Avaliação

A qualidade da saída foi avaliada via duas dimensões independentes:

1. Qualidade Percebida: Pontuada por um LLM-as-a-judge em oito dimensões de qualidade identificadas através de análises preliminares de falhas de LLMs vanilla:
   • D1: Adequação de Marcas & Codificação
   • D2: Conformidade com a Consulta
   • D3: Layout & Composição
   • D4: Interação & Coordenação
   • D5: Eixos & Legendas
   • D6: Melhorias Proativas
   • D7: Estilização & Clareza Visual
   • D8: Conformidade de Dados
2. Similaridade Estrutural: Medida via similaridade de Gramática Livre de Contexto (CFG) contra a especificação de verdade fundamental.

Contribuições Principais

1. Caracterização de Modos de Falha: Identificação de oito dimensões de qualidade recorrentes onde LLMs vanilla falham na visualização genômica (ex: incapacidade de renderizar glifos compostos para trilhas de genes, falha ao implementar brushing coordenado e viés para suprimir eixos genômicos).
2. Framework de Avaliação: Um framework inovador usando um Agente de Proxy do Usuário para simular a ambiguidade de consulta realista, permitindo a avaliação além de benchmarks totalmente especificados.
3. Análise Comparativa: Uma avaliação sistemática de seis esquemas de autoria, isolando os efeitos da iteração agêntica, especialização de agentes e presença de revisor.

Resultados

Iteração Agêntica vs. Baselines

• Qualidade Percebida: Esquemas agênticos superaram significativamente tanto a Geração Direta quanto o Pipeline Fixo (explicando 43,2% da variância). O loop iterativo de "gerar-renderizar-inspecionar" permitiu que os modelos autocorrigissem escolhas de design que uma única passagem perdeu.
• Similaridade Estrutural: Esquemas agênticos mostraram melhoria mínima sobre os baselines em similaridade estrutural, embora tenham sido mais resilientes ao aumento da complexidade da especificação (L3).
• Resiliência à Complexidade: À medida que a complexidade aumentava de L1 para L3, a qualidade da Geração Direta caiu drasticamente (-0,45), enquanto os esquemas agênticos degradaram muito menos (-0,31).

Escolhas Arquitetônicas

• Especialização & Revisores: Contrariando a intuição, adicionar mais agentes (Multi-Agente) ou um Revisor não melhorou significativamente a qualidade percebida.
  • Esquemas de Agente Único e Multi-Agente alcançaram qualidade comparável.
  • O agente Revisor contribuiu com quase zero de melhoria na qualidade percebida e degradou levemente a similaridade estrutural.
  • Análise por etapa revelou que os agentes de autoria primários (Consulta-Dados, Codificação Visual) impulsionaram as melhorias, enquanto os agentes de Layout/Estrutura e o Revisor contribuíram minimamente.
• Eficiência de Custo: Esquemas agênticos incorreram em custos significativamente maiores de tokens e tempo. A configuração de Agente Único alcançou o melhor equilíbrio, oferecendo qualidade de nível baseline com o menor custo entre as opções agênticas.

Independência de Métricas

A qualidade percebida e a similaridade estrutural foram encontradas como estatisticamente independentes ($r = 0,001$), confirmando que uma visualização pode ser estruturalmente diferente da verdade fundamental, mas ser percebida como de alta qualidade (ou vice-versa).

Significância e Alegações

O artigo alega que a iteração agêntica é o principal motor de melhoria de qualidade na autoria de visualização de domínio específico, em vez da complexidade arquitetônica. As principais implicações incluem:

1. Complementaridade de Gramáticas e Agentes: Gramáticas especializadas (como Gosling) atuam como guardiões para limitar o espaço de saída, enquanto a iteração agêntica permite que o sistema busque de forma flexível dentro desse espaço e corrija erros via feedback visual. Esta combinação é mais eficaz do que pipelines rígidos ou geração de passagem única.
2. Retornos Decrescentes na Complexidade: Simplesmente adicionar mais agentes ou revisores não produz melhores resultados. Os autores sugerem que ganhos futuros podem vir de um acoplamento mais estreito entre os agentes e a semântica da gramática (ex: ferramentas de validação mais granulares) em vez de adicionar mais papéis.
3. Limitações: O estudo reconhece que os resultados são específicos para o modelo GPT-5.4 e a gramática Gosling. A avaliação foi totalmente autônoma, carecendo de validação humana no loop, e o Proxy do Usuário pode não capturar totalmente a dificuldade das interações reais dos usuários.

Em conclusão, os autores postulam que, para visualização genômica multi-view complexa, um loop agêntico simples e iterativo é suficiente para superar baselines não-agênticos, e que a complexidade arquitetônica adicional oferece benefícios negligenciáveis sem uma integração de ferramentas mais precisa.