字节跳动的《DataSage: Multi-agent Collaboration for Insight Discovery with External Knowledge Retrieval, Multi-role Debating, and Multi-path Reasoning》提出了DataSage，以多智能体协作方式，结合外部知识检索和多路径推理，进行企业级的自动化数据分析和洞察发现。
? 动机
现有自动数据洞察具有三大“瓶颈”：一，领域知识不足，导致结果浅显；二，分析较为表面，难以挖掘深层次价值；三，自动生成分析代码易出错，影响洞察的正确性和实用性。? DataSage通过多智能体协作，赋予模型外部知识的能力，支持多路径推理以增强代码的正确率，从根本上提升自动化数据分析的深度和可靠度。
? 核心设计
1️⃣ 外部知识检索（Retrieval-Augmented Knowledge Generation）： 当内置知识库不够用时，系统自动生成高质量搜索查询，实时爬取网络及专业领域知识，丰富背景信息，扩展分析视野。
2️⃣ 多角色辩论机制（Multi-role Debating）： 框架模拟多个“虚拟专家”，各自基于不同角度和专业背景质疑、分析数据，采取发散-收敛思维模式，提出广泛且深刻的问题，从而探索更多隐藏洞察。
3️⃣ 多路径推理（Multi-path Reasoning）： 代码生成不仅单一路径输出，而是多路径并行推理，通过交叉验证、动态纠错，确保Python代码准确无误，分析结果可靠。
三者协同配合，由数据集描述、外部知识、问题生成到洞察输出四个模块构成闭环，迭代优化，不断深化洞察质量！
? 实验
含100个表格的InsightBench数据集，简单、中等和困难三个难度。DataSage相较于当前方法，具有显著优势：
? 洞察级别得分提升均值7.5%（困难数据集最高提升近10%），体现深度洞察能力的跃升；
? 摘要级别得分平均提升13.9%，展现其整合和抽象复杂数据结论的能力；
? 在整个评测集中表现稳定，显示出高通用性和适应性。
说明不仅适用于复杂难题，也能全面优化简单分析，具备极强潜力。
? 每天分享Agentic最新论文和发现，关注我，第一时间了解AI如何改变世界！
#人工智能 #AIAgent #文献阅读 #论文 #大模型 #智能体
? 动机
现有自动数据洞察具有三大“瓶颈”：一，领域知识不足，导致结果浅显；二，分析较为表面，难以挖掘深层次价值；三，自动生成分析代码易出错，影响洞察的正确性和实用性。? DataSage通过多智能体协作，赋予模型外部知识的能力，支持多路径推理以增强代码的正确率，从根本上提升自动化数据分析的深度和可靠度。
? 核心设计
1️⃣ 外部知识检索（Retrieval-Augmented Knowledge Generation）： 当内置知识库不够用时，系统自动生成高质量搜索查询，实时爬取网络及专业领域知识，丰富背景信息，扩展分析视野。
2️⃣ 多角色辩论机制（Multi-role Debating）： 框架模拟多个“虚拟专家”，各自基于不同角度和专业背景质疑、分析数据，采取发散-收敛思维模式，提出广泛且深刻的问题，从而探索更多隐藏洞察。
3️⃣ 多路径推理（Multi-path Reasoning）： 代码生成不仅单一路径输出，而是多路径并行推理，通过交叉验证、动态纠错，确保Python代码准确无误，分析结果可靠。
三者协同配合，由数据集描述、外部知识、问题生成到洞察输出四个模块构成闭环，迭代优化，不断深化洞察质量！
? 实验
含100个表格的InsightBench数据集，简单、中等和困难三个难度。DataSage相较于当前方法，具有显著优势：
? 洞察级别得分提升均值7.5%（困难数据集最高提升近10%），体现深度洞察能力的跃升；
? 摘要级别得分平均提升13.9%，展现其整合和抽象复杂数据结论的能力；
? 在整个评测集中表现稳定，显示出高通用性和适应性。
说明不仅适用于复杂难题，也能全面优化简单分析，具备极强潜力。
? 每天分享Agentic最新论文和发现，关注我，第一时间了解AI如何改变世界！
#人工智能 #AIAgent #文献阅读 #论文 #大模型 #智能体
