論文の概要: Unsupervised Skill Discovery for Agentic Data Analysis

• arxiv url: http://arxiv.org/abs/2606.06416v1
• Date: Thu, 04 Jun 2026 17:20:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.991081
• Title: Unsupervised Skill Discovery for Agentic Data Analysis
• Title（参考訳）: エージェントデータ分析のための教師なしスキル発見
• Authors: Zhisong Qiu, Kangqi Song, Shengwei Tang, Shuofei Qiao, Lei Liang, Huajun Chen, Shumin Deng,
• Abstract要約: DataCOPEは、データ分析エージェントのための教師なし検証対象のスキル発見フレームワークである。 トラジェクトリ生成のためのデータ分析エージェント、信号抽出のための教師なし検証器、および対照的なスキル蒸留のためのスキルマネージャを反復的にコーディネートする。 我々は,Deep Data Researchのレポートスタイル分析とDABStepの推論スタイル解析についてDataCOPEを評価した。
• 参考スコア（独自算出の注目度）: 55.42853694128929
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Inference-time skill augmentation provides a lightweight way to improve data-analytic agents by injecting reusable procedural knowledge without updating model parameters. However, discovering effective skills for data analysis remains challenging, as reliable supervision is expensive and success criteria vary across analytical formats. This raises the key question of how to discover reusable data-analysis skills from unlabeled exploration alone. We propose DataCOPE, an unsupervised verifier-guided skill discovery framework for data-analytic agents. DataCOPE derives verifier signals from the exploration trajectories and uses them to characterize relative quality or aggreement among trajectories. It iteratively coordinates a Data-Analytic Agent for trajectory generation, an Unsupervised Verifier for signal extraction, and a Skill Manager for contrastive skill distillation. For report-style analysis, we instantiate the verifier as an Adaptive Checklist Verifier that derives task-specific criteria, scores reports by verifiable coverage, and iteratively refines the checklist. For reasoning-style analysis, we instantiate it as an Answer Agreement Verifier that groups trajectories by answer agreement and uses self-consistency as an auxiliary signal. We evaluate DataCOPE on report-style analysis from Deep Data Research and reasoning-style analysis from DABStep. Across both settings, DataCOPE consistently improves held-out performance over baselines. Averaged across four model settings, DataCOPE improves the mean score by 9.71% and 32.30% on report-style and reasoning-style tasks respectively.
• Abstract（参考訳）: 推論時のスキル向上は、モデルパラメータを更新することなく、再利用可能な手続き的知識を注入することで、データ分析エージェントを改善する軽量な方法を提供する。 しかし、信頼性の高い監視は高価であり、成功基準は分析形式によって異なるため、データ分析に有効なスキルを見つけることは依然として困難である。 これにより、ラベルのない探索だけで再利用可能なデータ分析スキルをどうやって発見するかという重要な疑問が提起される。 データ分析エージェントのための教師なしバリデーション誘導型スキル発見フレームワークであるDataCOPEを提案する。 DataCOPEは、探索軌道から検証器信号を導き、それらを用いて軌道間の相対的な品質や集積を特徴づける。 トラジェクトリ生成のためのデータ分析エージェント、信号抽出のための教師なし検証器、および対照的なスキル蒸留のためのスキルマネージャを反復的にコーディネートする。 レポートスタイルの分析では、タスク固有の基準を導出し、検証範囲でレポートをスコアし、チェックリストを反復的に洗練するアダプティブチェックリスト検証器として検証をインスタンス化する。 推論型分析では,回答合意によるトラジェクトリをグループ化し,自己整合性を補助信号として利用するAnswer Agreement Verifierとしてインスタンス化する。 我々は,Deep Data Researchのレポートスタイル分析とDABStepの推論スタイル解析についてDataCOPEを評価した。 両方の設定で、DataCOPEは一貫してベースラインよりもホールドアウトパフォーマンスを改善している。 4つのモデル設定に平均して、DataCOPEは平均スコアを9.71%改善し、レポートスタイルと推論スタイルのタスクは32.30%向上した。

関連論文リスト

• What properties of reasoning supervision are associated with improved downstream model quality? [3.5354214473997225]
  ポーランドの推論データセットを意味的に異なる変種に基づいて8B,11Bモデルを微調整し,その予測力を評価・評価する。 解析の結果,これらの内在的指標は,下流モデルの性能と強い有意な相関を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2026-05-13T10:04:38Z)
• AgenticData: An Agentic Data Analytics System for Heterogeneous Data [12.67277567222908]
  AgenticDataはエージェントデータ分析システムで、複数のドメインにまたがるデータソースを自律的に分析しながら、自然言語(NL)の質問に反応することができる。 本稿では,関連するデータを発見するためのデータプロファイリングエージェント,フィードバックに基づく反復最適化のためのセマンティッククロスバリデーションエージェント,短期文脈を維持するためのスマートメモリエージェントを利用するマルチエージェント協調戦略を提案する。
  論文  参考訳（メタデータ） (2025-08-07T03:33:59Z)
• The role of data partitioning on the performance of EEG-based deep learning models in supervised cross-subject analysis: a preliminary study [37.69303106863453]
  ディープラーニングは、非常に非線形なパターンを効果的に発見することによって、脳波(EEG)データの解析を進めています。 ドメイン内に適切なデータパーティショニングとクロスバリデーションのための包括的なガイドラインは存在しない。 本稿では,脳波深層学習モデルの評価におけるデータ分割とクロスバリデーションの役割について,徹底的に検討する。
  論文  参考訳（メタデータ） (2025-05-19T12:05:28Z)
• InsightBench: Evaluating Business Analytics Agents Through Multi-Step Insight Generation [79.09622602860703]
  3つの重要な特徴を持つベンチマークデータセットであるInsightBenchを紹介します。 財務やインシデント管理といったさまざまなビジネスユースケースを表す100のデータセットで構成されている。 単一のクエリに回答することに焦点を当てた既存のベンチマークとは異なり、InsightBenchは、エンドツーエンドのデータ分析を実行する能力に基づいてエージェントを評価する。
  論文  参考訳（メタデータ） (2024-07-08T22:06:09Z)
• DACO: Towards Application-Driven and Comprehensive Data Analysis via Code Generation [83.30006900263744]
  データ分析は、詳細な研究と決定的な洞察を生み出すための重要な分析プロセスである。 LLMのコード生成機能を活用した高品質な応答アノテーションの自動生成を提案する。 我々のDACO-RLアルゴリズムは、57.72%のケースにおいて、SFTモデルよりも有用な回答を生成するために、人間のアノテータによって評価される。
  論文  参考訳（メタデータ） (2024-03-04T22:47:58Z)
• TRIAGE: Characterizing and auditing training data for improved regression [80.11415390605215]
  TRIAGEは回帰タスクに適した新しいデータキャラクタリゼーションフレームワークで、広範囲の回帰器と互換性がある。 TRIAGEは、共形予測分布を利用して、モデルに依存しないスコアリング方法、TRIAGEスコアを提供する。 TRIAGEの特徴は一貫性があり、複数の回帰設定においてデータの彫刻/フィルタリングによるパフォーマンス向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-10-29T10:31:59Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。