?背景
1️⃣ 当前数据分析任务对深度见解的需求日益增长，传统手工分析耗时且难以扩展。
2️⃣ 利用LLM自动化的数据洞察代理虽有进展，但常因行业知识利用不足、分析深度浅、代码生成易错而难以媲美专业分析师。
?动机
1️⃣ 针对现有代理存在的三大痛点：缺乏领域知识支撑、提问表浅、代码易出错，亟需更智能的框架以大幅提升洞察质量。
?方法
1️⃣ DataSage提出多智能体协作的新架构，包含四大模块：数据集描述、外部知识检索（即时获取领域知识）、多角色辩论式提问（提升问题深度与多样性）、多路径推理（生成和校验多份代码提升正确率）。
2️⃣ 通过多轮提问-解答，智能体协作深化分析，并将所有洞察汇总整合。
?结论
1️⃣ 在InsightBench基准测试上，DataSage在洞察级和总结级指标上均超越主流基线模型：洞察分提升约7.5%，总结分提升达13.9%，在高难度任务中优势更明显。
2️⃣ 消融实验显示，外部知识检索对整体效果贡献最大，三大创新模块缺一不可，系统稳健性和泛化能力突出。
?定义
多路径推理：针对同一问题生成多份代码并交叉校验，显著提升自动化分析的准确性和可靠性。
#AI #自动化数据分析 #人工智能 #论文 #ByteDance #DataSage #MultiAgent #知识检索 #大模型 #LLM
1️⃣ 当前数据分析任务对深度见解的需求日益增长，传统手工分析耗时且难以扩展。
2️⃣ 利用LLM自动化的数据洞察代理虽有进展，但常因行业知识利用不足、分析深度浅、代码生成易错而难以媲美专业分析师。
?动机
1️⃣ 针对现有代理存在的三大痛点：缺乏领域知识支撑、提问表浅、代码易出错，亟需更智能的框架以大幅提升洞察质量。
?方法
1️⃣ DataSage提出多智能体协作的新架构，包含四大模块：数据集描述、外部知识检索（即时获取领域知识）、多角色辩论式提问（提升问题深度与多样性）、多路径推理（生成和校验多份代码提升正确率）。
2️⃣ 通过多轮提问-解答，智能体协作深化分析，并将所有洞察汇总整合。
?结论
1️⃣ 在InsightBench基准测试上，DataSage在洞察级和总结级指标上均超越主流基线模型：洞察分提升约7.5%，总结分提升达13.9%，在高难度任务中优势更明显。
2️⃣ 消融实验显示，外部知识检索对整体效果贡献最大，三大创新模块缺一不可，系统稳健性和泛化能力突出。
?定义
多路径推理：针对同一问题生成多份代码并交叉校验，显著提升自动化分析的准确性和可靠性。
#AI #自动化数据分析 #人工智能 #论文 #ByteDance #DataSage #MultiAgent #知识检索 #大模型 #LLM
