論文の概要: Charts as Epistemic Actions for Experience-Driven Agentic Data Analysis

• arxiv url: http://arxiv.org/abs/2610.30072v1
• Date: Wed, 21 Oct 2026 17:26:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 09:50:43.264888
• Title: Charts as Epistemic Actions for Experience-Driven Agentic Data Analysis
• Title（参考訳）: 経験駆動型エージェントデータ分析のための疫学的行動としてのチャート
• Abstract要約: ReActスタイルのループ上に構築されたデータエージェントは、構造化データに対して複雑な分析を実行する。 アナリストは数字、表、チャートの間を移動し、テキストの要約が落ちる傾向や異常を明らかにする視覚的証拠を読み取る。 データエージェントの推論ループ内で、チャートが内因性てんかんの作用として機能するかどうか、また、エージェントにどのように使うかを尋ねる。
• 参考スコア（独自算出の注目度）: 27.324384398818577
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data agents built on ReAct-style loops now execute complex analytical workflows over structured data, yet their intermediate reasoning still runs almost entirely through text. Human analysts instead move between numbers, tables, and charts, reading visual evidence to expose trends and anomalies that text summaries drop. We ask whether charts can serve as internal epistemic actions inside a data agent's reasoning loop, and how to teach an agent to use them. We first build \probe{}, a suite of 200 controlled tasks under four matched interface conditions, and find a persistent gap between what agents can read and what they choose to use. Agents score as well from self-generated charts as from numeric output, yet plotting access alone does not translate into consistent use. Task slices show that charts lead on temporal, pattern, and anomaly reasoning, while text leads on precise reading and conditional verification. We then propose \method{}, which distils two families of experience from conditioned trajectory rollouts. One family records how to select and verify analytical operations, and the other records when to invoke text, charts, or both. A trajectory judge scores outcomes and labels intermediate steps, and a validation gate admits only experience that improves held-out performance. On three held-out benchmarks with four LLM backbones, \method{} raises analytical accuracy and visual evidence quality over matched baselines, and backbones that never drew charts begin using them, all without touching model parameters.
• Abstract（参考訳）: ReActスタイルのループ上に構築されたデータエージェントは、構造化データ上で複雑な分析ワークフローを実行するようになった。 その代わり、人間アナリストは数字、表、チャートの間を移動し、テキストの要約が落ちる傾向や異常を明らかにする視覚的証拠を読み取る。 我々は,グラフがデータエージェントの推論ループ内における内因性てんかんの作用として機能するかどうかを問う。 最初は、4つのマッチしたインターフェース条件の下で200のコントロールされたタスクのスイートである‘probe{}’を構築しました。 エージェントは、数値出力と同様に自己生成チャートから得点するが、アクセスをプロットするだけでも一貫した使用にはならない。 タスクスライスでは、チャートは時間的、パターン的、異常な推論につながり、テキストは正確な読み出しと条件付き検証に導かれる。 次に、条件付き軌道のロールアウトから2つの経験の族を排除した 'method{} を提案する。 1つのファミリーは分析操作の選択と検証方法を記録し、もう1つのファミリーはテキスト、チャート、あるいはその両方を呼び出すタイミングを記録する。 軌跡審査員は、結果をスコアし、中間ステップをラベルし、バリデーションゲートは、ホールドアウト性能を改善する唯一の経験を認める。 4つのLCMバックボーンを持つ3つのホールトアウトベンチマークでは、‘method{}’は、一致したベースラインよりも分析精度と視覚的証拠の品質を高め、グラフを描画しないバックボーンはモデルパラメータに触れることなくそれらを使い始める。

関連論文リスト

• DEEPCHART: How Far are LLMs from Faithful Data-Science Chart Generation? [54.230123199584305]
  DEEPCHARTは、現実世界の科学論文やファイナンシャルファイリング、エコシステムレポートから1,482のグラフ生成インスタンスのエキスパートによるベンチマークである。 最先端のモデルを用いた実験では、視覚的に可視なチャートは、しばしばデータレベルの幻覚を隠蔽し、リアルな長期およびマルチモーダルな設定で一般的な抽出と推論エラーを隠蔽している。
  論文  参考訳（メタデータ） (2026-08-27T07:53:08Z)
• TraceGraph: Shared Decision Landscapes for Diagnosing and Improving Agent Trajectories [61.51984029109709]
  グラフベースのフレームワークであるTraceGraphを紹介した。 各タスクに対して、TraceGraphは、モデルIDが導入される前に、プールされたロールアウトから観測可能なアクション・オブザーブレーション状態のグラフを構築する。 次に、結果インフォームされた生産的なコアとトラップリージョンをオーバーレイし、各ロールアウトを3つのイベント – アクセス、トラップ露出、修復 – で要約する。
  論文  参考訳（メタデータ） (2026-05-29T13:40:31Z)
• EvidFuse: Writing-Time Evidence Learning for Consistent Text-Chart Data Reporting [31.185433601906738]
  データ駆動型レポートのためのテキストチャートインターリーブ生成のためのトレーニング不要なマルチエージェントフレームワークである textbfEvidFuse を提案する。 EvidFuseは2つの協力的なコンポーネントを通じて、長い形式のドラフトから可視化分析を分離する。 LLM-as-a-judgeと人によるチャート品質評価、チャートテキストアライメント、レポートレベルの有用性の両方において、トップランクを獲得している。
  論文  参考訳（メタデータ） (2026-01-09T02:41:54Z)
• A2P-Vis: an Analyzer-to-Presenter Agentic Pipeline for Visual Insights Generation and Reporting [18.60614431401904]
  A2P-Visは、生のデータセットを高品質なデータビジュアライゼーションレポートに変換する、2部構成のマルチエージェントパイプラインである。 Data Analyzerはプロファイリングを編成し、多様な視覚化方向を提案し、プロットコードを生成し、実行し、チェッカーで低品質のフィギュアをフィルタリングし、候補者の洞察を引き出す。 その後、プレゼンターはトピックを注文し、トップランクの洞察からグラフで構築された物語を作成し、正当化された遷移を書き、明確さと一貫性のために文書を改訂する。
  論文  参考訳（メタデータ） (2025-12-26T18:02:12Z)
• ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning [54.86473583610112]
  グラフの連鎖推論に反射的相互作用を統合するPointCoTを提案する。 位置アノテーションに基づいてMLLMにバウンディングボックスと再レンダリングチャートを生成することで、テキスト推論ステップと視覚的接地領域の接続を確立する。 我々は、いくつかのグラフベンチマークにおいて最先端のモデルであるChartPointQ2とChartPointQ2.5を開発した。
  論文  参考訳（メタデータ） (2025-11-29T04:01:55Z)
• ChartAgent: A Multimodal Agent for Visually Grounded Reasoning in Complex Chart Question Answering [23.455587605758396]
  本稿では,グラフの空間領域内で直接視覚的推論を行う新しいエージェントフレームワークであるChartAgentを紹介する。 我々の研究は、ツール強化マルチモーダルエージェントを用いたチャート理解のための視覚的根拠に基づく推論を初めて示すものである。
  論文  参考訳（メタデータ） (2025-10-06T06:05:36Z)
• Doc2Chart: Intent-Driven Zero-Shot Chart Generation from Documents [10.572969574846342]
  文書から意図に基づくチャート生成の課題を紹介する。 ゴールは、意図に忠実なチャートを生成し、ゼロショット設定でドキュメントに基盤を置くことです。 本稿では,チャートの構造化テキスト表現を用いた属性に基づくメトリクスを提案する。
  論文  参考訳（メタデータ） (2025-07-20T04:34:59Z)
• Follow the Flow: Fine-grained Flowchart Attribution with Neurosymbolic Agents [106.04963073116468]
  フローチャートは意思決定プロセスを視覚化するための重要なツールです。 視覚言語モデルは、これらの図を分析する際に、存在しない接続や決定経路を幻覚させる。 LLM応答を参照してフローチャートを接地する特定の成分をトレースするフローチャートについて紹介する。 本稿では, グラフベースの推論により微細なホック帰属を行うニューロシンボリック・エージェントであるFlowPathAgentを提案する。
  論文  参考訳（メタデータ） (2025-06-02T06:02:41Z)
• Fact Checking Beyond Training Set [64.88575826304024]
  本稿では,レトリバーリーダが,あるドメインのラベル付きデータに基づいてトレーニングし,別のドメインで使用する場合,性能劣化に悩まされることを示す。 本稿では,レトリバー成分を分散シフトに対して頑健にするための逆アルゴリズムを提案する。 次に、これらのデータセットから8つの事実チェックシナリオを構築し、モデルと強力なベースラインモデルのセットを比較します。
  論文  参考訳（メタデータ） (2024-03-27T15:15:14Z)
• ChartReader: A Unified Framework for Chart Derendering and Comprehension without Heuristic Rules [89.75395046894809]
  ChartReaderは、チャートのデレンダリングと理解タスクをシームレスに統合する統合フレームワークです。 提案手法には,トランスフォーマーに基づくチャートコンポーネント検出モジュールと,チャートからXまでのタスクに対する事前学習型視覚言語モデルが組み込まれている。 提案するフレームワークは,チャート解析に係わる作業を大幅に削減し,ユニバーサルチャート理解モデルへの一歩を踏み出すことができる。
  論文  参考訳（メタデータ） (2023-04-05T00:25:27Z)

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。