論文の概要: Towards Reliable AI Data Scientists: Data Agents with Workflow Harnesses
- arxiv url: http://arxiv.org/abs/2609.35255v1
- Date: Mon, 28 Sep 2026 14:19:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-02 07:13:32.843565
- Title: Towards Reliable AI Data Scientists: Data Agents with Workflow Harnesses
- Title（参考訳）: 信頼性の高いAIデータサイエンティストを目指して - ワークフローハーネスを備えたデータエージェント
- Abstract要約: データエージェントと関連するデータ環境の分類を導入し,5つの機能段階の文献を整理する。
我々は,各ステージにおける重要な技術経路を分析し,データ構造からデータ状態の再構築に至るまで,15の異なるアプローチを特定した。
データエージェントの水平タスクファミリを要約し、それらの垂直アプリケーション設定と評価のためのベンチマークについて検討する。
- 参考スコア（独自算出の注目度）: 20.26490593131383
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model agents are increasingly deployed for data-intensive work, yet reliable data analysis requires more than general-purpose reasoning and ad hoc tool augmentation. Data Agents, equipped with workflow harnesses, offer a promising paradigm for automating the end-to-end data science lifecycle. This paper examines Data Agents from a harness-centric perspective. First, we introduce a taxonomy of Data Agents and associated data environments, organizing the literature around five functional stages: perception, planning, execution, verification, and repair. Second, we analyze the key technical routes within each stage, identifying 15 distinct approaches ranging from data structure probing to data state reconstruction. Third, we identify four open reliability problems: inactive semantic calibration, missing clarification, missing experience transfer, and the missing verification-repair repository. These problems explain why silent failures can persist even when individual components function correctly, highlighting the need for rigorous workflow harnesses and shared reliability resources. Finally, we summarize the horizontal task families of Data Agents, examine their vertical application settings, and benchmarks for evaluation, while maintaining a companion repository at https://github.com/DEEP-PolyU/Awesome-Data-Agents.
- Abstract（参考訳）: 大規模言語モデルエージェントは、データ集約的な作業のためにますますデプロイされているが、信頼性の高いデータ分析には、汎用的な推論やアドホックツールの強化以上のものが必要である。
データエージェントはワークフローハーネスを備えており、エンドツーエンドのデータサイエンスライフサイクルを自動化するための有望なパラダイムを提供する。
本稿では,データエージェントをハーネス中心の観点から検討する。
まず、データエージェントと関連するデータ環境の分類を導入し、認識、計画、実行、検証、修復という5つの機能段階の文献を整理する。
第2に、各ステージにおける重要な技術経路を分析し、データ構造からデータ状態の再構築まで15の異なるアプローチを識別する。
第3に,不活性なセマンティックキャリブレーション,明細化の欠如,経験伝達の欠如,検証・修復の欠如という4つのオープンな信頼性問題を特定する。
これらの問題は、個々のコンポーネントが正しく機能していてもサイレント障害が持続する理由を説明し、厳格なワークフローハーネスと共有信頼性リソースの必要性を強調している。
最後に、データエージェントの水平タスクファミリを要約し、それらの垂直アプリケーション設定と評価のためのベンチマークを検証し、https://github.com/DEEP-PolyU/Awesome-Data-Agentsでコンパニオンリポジトリを維持します。
関連論文リスト
- What Makes Good Agentic Data? An ACE Lens on Data Generation for LLM Agents [81.23160457293714]
LLMエージェントは、外部環境とのインタラクションの方法を学ぶために、生成されるインタラクションデータにますます依存している。
既存の作業は多くのエージェントドメインにまたがっているが、ドメイン中心の組織と不均一な評価はしばしば共通生成機構を曖昧にしている。
この研究は、この分野のための2段階のフレームワークを開発する。
論文 参考訳（メタデータ） (2026-08-27T15:43:50Z) - QwenPaw-Data: Bridging Facts, Methodology, and Execution for Autonomous Enterprise Data Analytics [45.48758200829718]
企業におけるインテリジェントなデータ分析のためのエージェントデータシステムであるQwenPaw-Dataを紹介する。
QwenPaw-Dataは異種資産を再利用可能な、管理可能な、進化可能な分析資産に集約し、自然言語要求をエンドツーエンドの分析的データ理解、検索、分析、レポート生成、意思決定支援に変換する。
論文 参考訳（メタデータ） (2026-07-13T02:38:00Z) - Unsupervised Skill Discovery for Agentic Data Analysis [55.42853694128929]
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。
論文 参考訳（メタデータ） (2026-06-04T17:20:47Z) - Multi-Agent Systems for Dataset Adaptation in Software Engineering: Capabilities, Limitations, and Future Directions [8.97512410819274]
本稿では,データセット適応タスクにおいて,最先端のマルチエージェントシステムがどのように機能するかについて,最初の実証的研究を行う。
我々は、GitHub Copilotを評価し、ROCODEやLogHub2.0といったベンチマークリポジトリからSE研究成果物を適用する。
その結果、現在のシステムはキーファイルを識別し、部分的な適応を生成することができるが、正しい実装を生成することは滅多にない。
論文 参考訳（メタデータ） (2025-11-26T13:26:11Z) - What's the next frontier for Data-centric AI? Data Savvy Agents [71.76058707995398]
我々は、エージェントシステムの設計において、データに精通する能力が最優先すべきであると主張している。
本稿では,このビジョンを実現するための4つの重要な機能を提案する。プロアクティブデータ取得,ソフシフィケートデータ処理,インタラクティブテストデータ合成,連続的適応。
論文 参考訳（メタデータ） (2025-11-02T17:09:29Z) - CoDA: Agentic Systems for Collaborative Data Visualization [57.270599188947294]
深層研究はデータ分析に革命をもたらしたが、データサイエンティストは依然として手作業による視覚化にかなりの時間を費やしている。
単純なシングルエージェントシステムやマルチエージェントシステムを含む既存のアプローチは、しばしばタスクを単純化する。
本稿では,メタデータ分析,タスク計画,コード生成,自己回帰に特殊なLLMエージェントを利用するマルチエージェントシステムであるCoDAを紹介する。
論文 参考訳（メタデータ） (2025-10-03T17:30:16Z) - Autonomous Data Agents: A New Opportunity for Smart Data [50.02229219403014]
DataAgentsは、自律的なデータから知識システムへのパラダイムシフトを表している、とReportは主張する。
DataAgentsは、複雑で非構造化されたデータをコヒーレントで行動可能な知識に変換する。
エージェントAIとデータ・トゥ・ナレッジシステムの収束が重要なトレンドとなっている理由を最初に検討する。
論文 参考訳（メタデータ） (2025-09-23T06:46:41Z) - 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)
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。