LLM可视化素养已超人类，但作为评估者仍不可靠

最新研究测试了Anthropic Claude Opus 4.5、OpenAI GPT 5.2 Pro和Google Gemini 3 Flash在可视化评估上的能力。使用修改后的VLAT测试，发现这三款模型的可视化素养均超过人类平均水平。但在指令遵循方面，few-shot和chain-of-thought提示技术对提升可视化素养已无明显效果。在识别误导性可视化时，无专门提示下模型准确率偏低。结论认为LLM作为可视化评估者的能力仍需重新审视。