arXiv cs.AI· Xinzhe Wang, Xudong Weng, Zang Li, Shaolei Zhang·· 12 小时前AI 评分35
图表作为认知动作：经验驱动的智能体数据分析
Charts as Epistemic Actions for Experience-Driven Agentic Data Analysis
AI 导读
研究提出让图表成为数据智能体推理循环中的内部认知动作，并构建了含 200 个受控任务的 probe 测试集，发现智能体从自生成图表中读取信息的能力与数值输出相当，但仅提供绘图权限并不能带来稳定使用。
正文 · AI 翻译
摘要：基于 ReAct 式循环构建的数据智能体如今已能在结构化数据上执行复杂的分析工作流，然而其中间推理仍几乎完全通过文本进行。人类分析师则会在数字、表格和图表之间切换，通过阅读视觉证据来揭示文本摘要所遗漏的趋势和异常。我们探究图表能否在数据智能体的推理循环中充当内部的认知动作，以及如何教会智能体使用图表。我们首先构建了 \probe{}，一套包含 200 个受控任务的测试集，涵盖四种匹配的界面条件，并发现智能体能够读取的内容与其选择使用的内容之间存在持续差距。智能体从自生成图表中获得的得分与从数值输出中获得的得分一样好，但仅有绘图访问权限并不能转化为一致的使用。任务切片显示，图表在时间、模式和异常推理上占优，而文本在精确读取和条件验证上占优。随后我们提出 \method{}，它从条件化轨迹 rollout 中提炼出两类经验。一类记录如何选择并验证分析操作，另一类记录何时调用文本、图表或两者兼用。轨迹评判器对结果打分并标注中间步骤，验证门控只接纳能提升留出集性能的经验。在三个留出基准和四个 LLM 主干模型上，\method{} 相比匹配基线提升了分析准确率和视觉证据质量，从未绘制过图表的主干模型也开始使用图表，且全程不触碰模型参数。
| 评论： | 23 页，5 张图，9 张表。预印本 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.30072 [cs.AI] |
| （或 arXiv:2610.30072v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.30072 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xinzhe Wang [查看邮箱]
[v1]
2026 年 10 月 21 日星期三 17:26:53 UTC（592 KB）
来源：arXiv cs.AI · arxiv.org