DatawiseAgent：面向自适应与鲁棒数据科学自动化的以 Notebook 为中心的 LLM 智能体框架
计算与语言
2025-10-06 v2 人工智能
摘要
现有的用于自动化数据科学的大语言模型（LLM）智能体展现出潜力，但仍受限于狭窄的任务范围、跨任务和跨模型的有限泛化能力，以及对最先进（SOTA）LLM 的过度依赖。我们引入了 DatawiseAgent，一个以 notebook 为中心的 LLM 智能体框架，用于自适应和鲁棒的数据科学自动化。受人类数据科学家在计算 notebook 中工作方式的启发，DatawiseAgent 引入了统一的交互表示和基于有限状态自动机（FST）的多阶段架构。该设计支持灵活的长程规划、渐进式解决方案开发以及从执行失败中的鲁棒恢复。在多种数据科学场景和模型上的广泛实验表明，DatawiseAgent 通过超越 AutoGen 和 TaskWeaver 等强基线，持续取得 SOTA 性能，证明了其卓越的有效性和适应性。进一步评估显示，在较弱或较小模型下性能表现出优雅退化，突显了其鲁棒性和可扩展性。
引用
@article{arxiv.2503.07044,
title = {DatawiseAgent: A Notebook-Centric LLM Agent Framework for Adaptive and Robust Data Science Automation},
author = {Ziming You and Yumiao Zhang and Dexuan Xu and Yiwei Lou and Yandong Yan and Wei Wang and Huaming Zhang and Yu Huang},
journal= {arXiv preprint arXiv:2503.07044},
year = {2025}
}
备注
The camera-ready version for EMNLP 2025 Main Conference