AI大模型科研绘图与数据可视化指南

《AI大模型科研绘图与数据可视化指南》文件编号：[AI-VIS-YYYY-001]版本：[V1.0]编制人/团队：[姓名/团队]审核人：[姓名]发布日期：[YYYY-MM-DD]适用对象：AI大模型研究人员、算法工程师、研究生、技术报告与模型卡撰写者。优先原则：若目标期刊、会议、学位论文或企业标准有更严格要求，以更严格者为准。使用说明：将方括号[...]中的内容替换为项目信息，即可作为团队模板使用。示例数据均为占位符，不得作为真实实验结果。常用替换项：[模型名称]、[数据集]、[指标]、[基线]、[n]、[误差类型]、[随机种子]、[GPU型号]、[代码链接]、[AI工具/版本]、[日期]。1.目的与范围1.1目的本指南用于规范AI大模型科研中的图表设计、数据可视化、统计报告、导出提交和AI辅助绘图流程，提升图表的准确性、可读性、可复现性与科研诚信水平。1.2适用范围适用于：顶会/期刊论文、预印本、技术报告；大模型训练、微调、评测、推理优化实验；模型架构图、训练曲线、基准测试、消融实验、人类评估；答辩PPT、开源模型卡、项目文档、内部评审材料。1.3不适用范围本指南不替代目标期刊/会议的作者指南，也不替代统计学家对复杂实验设计的专业审查。2.基本原则真实性：数据、坐标轴、误差棒、显著性标注必须可追溯，不得篡改或选择性报告。可复现性：保留原始数据、处理脚本、随机种子、环境版本和绘图代码。自明性：图注应使读者不阅读正文也能理解图表核心信息。一致性：同一项目中字体、配色、缩写、指标方向、模型命名保持一致。可访问性：优先使用色盲友好配色，保证对比度，避免红绿对立。简洁性：一图一核心信息，避免3D、阴影、饼图等低效表达。合规性：遵守版权、隐私、数据许可和AI使用声明要求。可审计性：形成“原始数据→处理脚本→图表文件→论文图注”的完整链路。3.标准工作流明确叙事：这张图要回答什么问题？支持哪个结论？准备数据：整理为整洁数据表，记录数据版本、样本量n、随机种子、异常值处理规则。选择图表：按第4节矩阵选择图表类型。设计视觉：确定坐标轴、颜色、线型、标记、误差棒、统计标注。生成图表：使用代码、绘图工具或大模型辅助生成。人工核验：检查数据映射、统计方法、代码逻辑、视觉误导。导出提交：矢量图优先，位图满足分辨率要求。归档复现：保存代码、数据、图注、AI交互记录和使用声明。投稿前检查：按第9节清单逐项确认。4.AI大模型科研常用图表选型矩阵科研目的推荐图表AI大模型典型场景关键规范模型架构/数据流模块图、流程图、Mermaid、Graphviz、TikZTransformer、MoE、KVCache、训练Pipeline标注张量维度、模块重复次数、参数共享、箭头方向一致训练动态折线图、平滑曲线+原始点Loss、LR、GradNorm、吞吐量随Step/Token变化标注平滑窗口、随机种子、重复次数性能对比分组柱状图、点线图、表格+热力图Benchmark、基线对比、消融实验报告均值±误差，注明n和显著性多指标权衡雷达图、平行坐标、帕累托前沿准确率、延迟、显存、成本指标数≤5，固定量纲，避免面积误导分布差异小提琴图、箱线图、ECDF、直方图Token长度、注意力熵、置信度分布叠加原始点，注明n嵌入表示t-SNE、UMAP、PCA表示学习、聚类、领域偏移注明参数、距离不可过度解释注意力/激活热力图AttentionMap、神经元激活、层间相似度固定色标，注明层/头/Token位置分类错误混淆矩阵、PR/ROC安全分类、意图识别、事实性判断注明是否归一化、阈值选择ScalingLawlog-log散点+拟合+置信区间参数量/数据量/计算量与Loss关系标注拟合公式、R²、外推风险推理效率散点图+帕累托前沿吞吐量、延迟、显存、批量大小注明硬件、精度、BatchSize提示鲁棒性热力图、斜率图Prompt模板、温度、Top-p敏感性注明Prompt模板、Few-shot数、解码参数人类评估堆叠条形图、Likert图有用性、安全性、流畅性评分注明标注指南、一致性Kappa5.数据可视化规范5.1数据与统计必须报告：样本量n、中心趋势（均值/中位数）、离散度（std/sem/95%CI）。误差棒必须在图注中定义，例如：“误差棒表示95%置信区间，n=5。”显著性标注应写明检验方法、p值或校正方式，不能只画星号。小样本必须叠加原始数据点。异常值处理、失败运行、剔除标准必须说明。大模型实验应额外报告：参数量、训练Token数、FLOPs、上下文长度、精度、GPU型号、推理参数、Prompt模板、Few-shot数、随机种子、重复次数。5.2坐标轴与刻度柱状图Y轴必须从0开始。折线图可非0起点，但必须清晰标注，避免夸大差异。使用对数轴时注明底数和原因。坐标轴必须有单位，如Latency(ms)、Throughput(tokens/s)。避免双Y轴比较不同量纲；如必须使用，需明确说明对应关系。5.3颜色规范色盲友好推荐：Okabe-Ito、viridis、cividis、ColorBrewer。分类颜色≤8种；连续变量使用感知均匀色图；发散变量使用蓝-白-红，避免红绿。同一含义在同一论文中使用同一颜色。检查灰度打印后的可区分性。5.4字体与排版目标期刊优先。常用字体：Arial、Helvetica、TimesNewRoman。图内文字一般6–9pt，图题9–10pt。线宽0.8–2pt，标记3–6pt。子图用(a)、(b)标注。图例无边框或细边框，避免遮挡数据。5.5图注模板图X.[标题]。[一句话描述图表内容]。误差棒表示[std/sem/95%CI]，n=[n]。统计检验采用[方法]，显著性水平为[*p<0.05,p<0.01,*p<0.001]。数据来源：[数据集/版本]。代码与数据：[链接]。5.6导出规范矢量图优先：PDF、EPS、SVG。位图：TIFF/PNG，300–600dpi。嵌入字体，避免字体丢失。单栏图约85mm，双栏图约170mm。色彩模式按期刊要求：RGB或CMYK。6.大模型辅助绘图与可视化规范6.1可用场景生成Matplotlib、Seaborn、Plotly、Vega-Lite代码；推荐图表类型并解释适用性；生成Mermaid、Graphviz、TikZ架构图；润色图注、检查可访问性；以审稿人视角检查图表问题；辅助编写数据字典和绘图文档。6.2禁用与高风险场景不得上传敏感、未发表、受保密协议约束的数据到公共模型；不得让大模型编造数据、伪造趋势或生成虚假实验图像；不得用生成图像替代真实实验证据；不得隐藏失败实验、选择性报告；不得直接使用AI生成内容而不核验；使用AI辅助必须在论文或报告中声明。6.3提示词模板6.3.1图表选择我是AI大模型研究者，正在撰写[论文/报告]，需要展示[研究目的]。数据结构为[字段/样本量/变量类型]。目标期刊/会议为[名称]。请推荐3种图表，说明适用理由、坐标轴、图例、颜色、统计标注要求，并给出不推荐图表及原因。不要编造数据。6.3.2代码生成请用Python的Matplotlib/Seaborn生成可直接运行的科研绘图代码。数据格式：[字段说明]。要求：色盲友好配色，Arial8pt，导出PDF和600dpiPNG，误差棒表示[std/sem/95%CI]，图例无边框，坐标轴含单位，图注自明。输出完整代码并注释。6.3.3架构图生成请将以下模型结构转为Mermaid/TikZ代码：[模型结构描述]。要求模块层级清晰，标注张量维度，箭头方向一致，适合论文双栏排版。6.3.4图注润色请按以下模板润色图注：图X.标题。内容描述。误差棒定义。统计检验。n。数据来源。代码链接。保持客观，不夸大结论。6.3.5审稿人视角检查请以顶会审稿人视角检查以下图表：[图表描述/代码]。列出可能导致误解、统计不充分、颜色/字体/坐标轴/图注问题，并给出修改建议。7.可直接复用模板7.1Python科研绘图模板importmatplotlib.pyplotaspltimportnumpyasnpfrompathlibimportPathplt.rcParams.update({"font.family":"sans-serif","font.sans-serif":["Arial","Helvetica","DejaVuSans"],"font.size":8,"axes.labelsize":8,"axes.titlesize":9,"legend.fontsize":7,"xtick.labelsize":7,"ytick.labelsize":7,"axes.linewidth":0.8,"lines.linewidth":1.5,"figure.dpi":300,"savefig.dpi":600,"savefig.bbox":"tight","savefig.pad_inches":0.02,"p_cycle":plt.cycler(color=["#0072B2","#D55E00","#009E73","#CC79A7","#F0E442","#56B4E9","#E69F00","#000000"])})defsave_fig(fig,name):Path("figs").mkdir(exist_ok=True)fig.savefig(f"figs/{name}.pdf",format="pdf")fig.savefig(f"figs/{name}.png",dpi=600,format="png")#示例数据仅为占位符，请替换为真实实验数据steps=np.arange(0,10000,100)loss=2.5*np.exp(-steps/3000)+0.8+np.random.normal(0,0.02,len(steps))fig,ax=plt.subplots(figsize=(3.5,2.4))ax.plot(steps,loss,label="[模型名称]",color="#0072B2")ax.set_xlabel("Trainingstep")ax.set_ylabel("Cross-entropyloss")ax.set_title("[数据集名称]训练损失")ax.legend(frameon=False)ax.grid(True,linestyle="--",linewidth=0.4,alpha=0.4)save_fig(fig,"training_loss")7.2Mermaid模型架构图模板flowchartLRA[输入文本]-->B[Tokenizer]B-->C[Embedding]C-->D[TransformerBlock×N]D-->E[LMHead]E-->F[输出Logits]D-->G[Multi-HeadAttention]D-->H[FFN/MoE]7.3实验对比表模板模型参数量训练数据[指标1]↑[指标2]↓延迟(ms)↓[基线][7B][数据集][xx.x±x.x][xx.x][xx][本方法][7B][数据集][xx.x±x.x][xx.x][xx]注：↑越大越好，↓越小越好；误差为[std/sem/95%CI]，n=[n]。7.4AI使用声明模板本研究中，生成式AI工具[工具名称/版本]用于[代码辅助/语言润色/图表草稿/文献整理]。所有数据、实验设计、结果分析和最终图表均由作者核验，作者对内容负责。AI未参与数据伪造、图像篡改或作者署名。使用日期：[YYYY-MM-DD]。8.工具链推荐类别推荐工具Python绘图Matplotlib、Seaborn、Plotly、Altair统计与数据pandas、NumPy、SciPy、scikit-learn降维嵌入PCA、t-SNE、UMAP架构/流程图Mermaid、Graphviz、draw.io、TikZ、Excalidraw实验跟踪Weights&Biases、TensorBoard、MLflow数据版本Git、DVC可访问性检查ColorOracle、Coblis、WebAIMContrastChecker大模型辅助ChatGPT、Claude、Gemini、Copilot；敏感数据建议使用本地Qwen/Llama等论文排版LaTeX、Overleaf9.质量控制检查表图表是否直接回答研究问题？数据是否可追溯至原始记录？是否报告n、误差类型和统计检验？柱状图Y轴是否从0开始？坐标轴是否含单位？对数轴是否说明？配色是否色盲友好？灰度打印是否可区分？字体、线宽、标记是否符合期刊要求？图注是否自明？是否定义缩写和误差棒？是否避免双Y轴、3D、饼图等误导表达？是否导出矢量图和高分辨率位图？绘图代码、数据、随机种子是否归档？是否声明AI使用情况？是否遵守版权、隐私和数据许可？是否存在图像篡改、拼接或局部增强未声明？10.科研诚信、版权与AI声明AI不能作为作者：AI工具可用于辅助，但署名作者必须对内容负责。必须声明：在