面向可信数据科学自动化的 PCS 指导下的 VDSAgents 多智能体系统
人工智能
2025-10-30 v2
摘要
大型语言模型（LLM）正日益融入数据科学工作流程，用于自动化系统设计。然而，这些由 LLM 驱动的数据科学系统仅依赖 LLM 的内部推理，缺乏来自科学和理论原则的指导。这限制了其在处理噪声和复杂真实数据集时的可信度和鲁棒性。本文提出了 VDSAgents，一个基于 Predictability-Computability-Stability（PCS）原则的多智能体系统，这些原则来自 Veridical Data Science（VDS）框架。受 PCS 原则指引，系统实施了数据清洗、特征工程、建模和评估的模块化工作流程。每个阶段都由优雅的智能体处理，融合扰动分析、单元测试和模型验证，以确保功能性和科学可审查性。我们在具有多样特性的数据集上评估了 VDSAgents，并以 DeepSeek-V3 和 GPT-4o 作为后端，与诸如 AutoKaggle 和 DataInterpreter 等最先进的端到端数据科学系统进行比较。VDSAgents 在所有比较中均显著优于 AutoKaggle 和 DataInterpreter的结果，这验证了将 PCS 原则嵌入 LLM 驱动的数据科学自动化是可行的。
引用
@article{arxiv.2510.24339,
title = {VDSAgents: A PCS-Guided Multi-Agent System for Veridical Data Science Automation},
author = {Yunxuan Jiang and Silan Hu and Xiaoning Wang and Yuanyuan Zhang and Xiangyu Chang},
journal= {arXiv preprint arXiv:2510.24339},
year = {2025}
}
备注
29 pages, 6 figures. Yunxuan Jiang and Silan Hu contributed equally. Code available at https://github.com/fengzer/VDSAgents . Submitted to Stat (manuscript ID: STAT-25-0222.R1, under review)