读完三十篇数据Agent论文如果只记住三十个系统名字仍然很难回答一个问题我们究竟准备研究哪一种失败又凭什么认为它值得做进入专栏数据Agent30篇论文精读这篇文章给整个系列建立一张阅读地图。我的主线是从“把问题变成查询”经过“组织多步骤分析”走向“让报告中的结论得到合适的证据支持”。六类文章是整理入口三条主线是理解它们关系的方法。阅读说明这是一个围绕企业经营分析的定向文献池不是穷尽领域的系统性综述。序号用于系列整理不是年代排序论文修订版、关联系统和代码仓库不重复计数。各篇采用沈向洋“论文十问”区分作者报告、我的判断和后续研究设想均未运行论文复现实验。一、先看全图六类文章分别回答什么分类篇数与系列编号在整体问题中的作用综述3篇02—04给出统计分析、生命周期与查询评价的坐标查询与语义8篇05—12问句如何落实为正确的数据操作与业务定义表格事实与生成3篇13—15数据是否支持一句话生成有没有超出证据分析工作流7篇16—21、28多步骤任务如何规划、执行、反馈和澄清分析与报告评测7篇01、22—27怎样衡量分析任务、开放探索与最终报告其中ComInsight也是直接的方法近邻企业系统与可靠性2篇29—30业务资产、方法资产与执行状态如何管理这些类别会交叉。Spider 2.0同时涉及查询和工作流InsightBench同时提出任务、评价与Agent方法ComInsight既做报告方法也使用已有评测环境。分类方便查找不能代替对具体贡献的判断。二、第一条线从合法SQL走到企业业务语义Spider原文先把跨数据库、多表复杂查询定义成任务。RAT-SQL处理问题与数据库结构之间的关联PICARD在生成过程中加入解析约束。三者分别推进任务、结构理解和生成合法性并不是同一算法的连续升级。之后BIRD把真实数据值、外部知识和效率纳入挑战Spider 2.0进一步把企业SQL工作流作为评价对象。问题逐渐从“能否生成一条看起来正确的SQL”扩展为“能否在真实环境中完成取数任务”。SQLens直接研究错误检测和修正提醒我们语法合法、能够执行的SQL仍然可能在语义上错误。EntSQL把长篇企业知识放进任务条件SPC则把业务解释限制在受治理的语义选项内由确定性代码落实关系路径、粒度和查询构造。这条线的推进可以写成跨库理解 → 结构关联与合法解码 → 真实数据和企业工作流 → 错误定位与业务语义约束。这是对问题重心的归纳不是说新论文已经替代旧论文也不代表箭头两端一定存在直接引用或代码继承。它留下的一个候选问题是当分析需要多条查询时单条SQL都通过检查是否仍会在统计总体、时间轴或分母上互不兼容这个失败需要在实际任务中确认不能仅凭想象宣布研究空白。三、第二条线从一次工具调用走到持续分析ReAct提供推理、行动与观察交替的基础组织方式但“能够使用工具”并不等于“已经完成分析目标”。后续系统分别补上了不同责任。Data-Copilot强调预先构建可复用接口再在线组合分析流程TaskWeaver强调代码、插件和有状态执行InsightPilot关注如何根据当前发现继续选择探索动作。Data Interpreter用任务与动作依赖组织复杂分析LAMBDA把编程与检查角色结合并讨论领域知识与人工介入TiInsight进一步把数据库上下文、问题澄清、SQL和图表交互串起来。把它们放在一起应该问的是哪个机制负责减少重复工作哪个机制保存执行状态哪个机制选择下一步哪个机制修复运行问题哪个机制处理输入中的不确定性这些机制解决不同问题不能只以“用了几个Agent”衡量先进程度。InsightBench/AgentPoirot在这里起连接作用它把业务目标驱动的多步骤洞察作为任务同时给出方法与评价。DDR-Bench继续扩大开放程度研究没有预设具体问题时系统如何自己寻找值得调查的方向。两者不能简单理解为同一种问答任务的大小版本。这条线留下的问题是用户已经澄清的业务定义能否在多次规划、查询、计算和图表生成中持续保留运行不报错只是其中一个验收条件。四、第三条线从表格支持一句话走到报告支持一个判断TabFact研究表格是否支持给定主张ToTTo要求围绕指定表格证据生成忠实描述LogicNLG研究涉及比较、排序、聚合等逻辑关系的文本生成。它们说明数据到文本的事实可靠性早于今天的数据Agent系统不能把“检查报告有没有依据”整体当成新问题。长报告又增加了新难点。T2R-BENCH将数字准确、信息覆盖和一般表达质量分别评价DDR-Bench通过事实清单和探索轨迹评价开放发现ComInsight把可执行原子洞察、关系组织与复合报告生成放进同一方法中。因此至少应区分三个层次原子值是否正确。某条SQL或计算是否得到正确数字。关系是否成立。两个数字是否可以比较证据是否支持所写关系。解释强度是否合适。观察到同步变化是否被写成了未经支持的因果判断。原子数字都正确并不能自动推出组合后的解释成立。报告整体评分不错也不能替代对关键比较条件的检查。ComInsight正是必须认真比较的方法近邻已有工作已经组织证据与关系我们需要具体说明新增检查的对象和差异。五、评测与企业系统怎样把三条线连起来1. 评价对象逐步扩大但指标不能混用DABench让数据分析任务更容易自动评分DA-Code强调真实文件、代码执行与多步骤项目DSBench把数据分析和建模任务放在更接近专业工作的背景中。InsightBench、T2R-BENCH、DDR-Bench又分别覆盖目标驱动洞察、工业长报告和开放数据研究。这些材料共同提醒我实验必须先回答“正在测什么”。SQL执行率、代码通过率、答案正确率、报告事实性、参考要点覆盖、用户满意度和成本具有不同意义不能把其中一个高分写成系统全面可信。2. 企业资产与执行状态提供承载条件QwenPaw-Data从事实、方法和执行三个方面组织企业分析系统。ACID-Agent则讨论提交、重试、隔离与持久状态减少未经验证的中间结果继续影响后续任务。它们有助于区分定义和知识从哪里来分析方法如何复用这次任务实际执行了什么哪些结果已经通过某个验证流程。系统能稳定保存一个通过检查的结果不等于检查条件已经完整也不等于业务结论必然正确。对开题而言成熟的工具调用、状态管理和资产机制应该如实继承。把现成模块重新组合一遍可以有工程价值但方法贡献仍需要更明确的研究对象和证据。六、用一个例子理解三条线为何会汇合假设要解释“本季度净销售额为什么下降”。这是自拟例子不是任何论文已经完成的实验。第一条查询按支付时间统计本季度净销售额第二条查询按下单时间统计去年同期第三步把全部订单的收入与仅成功订单的成本放在一起计算贡献最后报告说“某地区导致整体下降”。这个流程可能同时具有合法SQL、成功执行、可复算数字和流畅报告却依然有问题比较时间不一致统计总体不同贡献的可加条件不明确最终措辞可能超过证据。查询研究帮助我们判断单步操作是否落实定义工作流研究负责保存澄清、依赖与执行记录报告研究检查数字、关系与主张企业运行时负责让错误定位和局部重算真正落地。三条线在这里汇合成一个具体问题已确定的业务定义如何在多步骤分析中持续传递并在组合结论时检查兼容性这仍然是候选研究方向。需要先找到自然任务中的真实失败再讨论表示、检查和修正机制。如果错误很少出现或者简单提示已经足够就应该收缩贡献表述而不是继续堆叠架构。七、怎样阅读怎样从阅读走向开题如果第一次进入这个方向我建议先读02—04三篇综述建立坐标再读01 InsightBench获得完整分析任务的直观印象。随后沿05—12理解查询正确性沿13—15理解表格事实与生成沿16—21和28理解工作流最后集中比较22—27的评价设计以及29—30的系统边界。如果已经准备实验可以先精读SPC、SQLens、T2R-BENCH、ComInsight和TiInsight检查自己的想法是否只是已有机制的改名再选择合适的工作流和评测环境。开题不需要把30篇的所有功能全部实现。更可执行的路线是限定趋势、分组比较等分析任务明确总体、时间、粒度、单位与分母等条件在同模型、同业务知识和可比较预算下对比直接工具Agent、结构化计划、显式兼容性检查与有界修正。评价除了最终正确率还应记录错误检测、正确内容误改、修正成功、拒答或未判定覆盖以及调用成本。若提升来自额外业务知识应如实归因于信息条件若同知识下新增机制仍然有效才能继续讨论方法贡献。八、哪些关系能写成事实哪些属于阅读归纳关系可以支持的表述不能顺势扩写成什么RAT-SQL、PICARD在Spider任务上研究与评价共同承接任务背景分别处理结构与解码PICARD是在RAT-SQL源码上改造LogicNLG使用TabFact作为任务基础事实验证材料被用于逻辑生成研究两篇解决完全相同的问题AgentPoirot明确受InsightPilot启发有明确思想启发关系全部模块直接继承ComInsight使用InsightBench、T2R-BENCH与DDR-Bench任务与评测承接所有报告主张都已独立验证查询、工作流和报告研究汇合到业务兼容性本系列用于组织阅读与候选选题的归纳领域公认的唯一历史或已证明无人研究的空白每篇解读都保留原始论文和版本入口。阅读总览用于建立地图判断具体机制、实验配置和发表状态时应回到各篇解读中的原始来源。下面的目录是这张地图的可点击入口。九、30篇文章的分类导航综述3篇02 统计与数据科学Agent会运行代码就等于会分析吗03 生命周期综述经营需求怎样贯穿数据分析全过程04 Text-to-SQL综述SQL正确性究竟该怎样衡量查询与语义8篇05 Spider为什么换一个数据库模型就不会查了06 RAT-SQL怎样把问题、表和字段真正关联起来07 PICARD生成过程中拦住错误SQL能保证什么08 BIRD看懂表结构之后还要看懂真实数据09 Spider 2.0从生成SQL走向完成企业工作流10 SQLensSQL能运行为什么仍需要检测和修正11 EntSQL给了业务文档模型为何还是写不对SQL12 SPCSQL能执行为什么业务答案仍然错误表格事实与生成3篇13 TabFact报告中的一句话表格真的支持吗14 ToTTo先指定证据再生成忠实描述15 LogicNLG数值抄对了逻辑结论就对了吗分析工作流7篇16 ReAct为什么Agent要边观察边行动17 Data-Copilot把重复分析变成可复用接口18 TaskWeaver数据Agent为什么需要有状态执行19 InsightPilot怎样从一次查询走向连续探索20 Data Interpreter任务图怎样帮助复杂分析21 LAMBDA编程与检查协作能保证什么28 TiInsight企业数据库探索为什么需要先澄清问题分析与报告评测7篇01 InsightBench从回答问题走向发现洞察22 DABench如何把数据分析能力变成可自动评分的任务23 DA-Code为什么会写代码还不等于能完成数据分析项目24 DSBench从答对一个问题到胜任数据科学还差什么25 T2R-BENCH报告写得通顺为什么数字和内容仍可能不可靠26 DDR-Bench没有预设问题Agent知道该研究什么吗27 ComInsight原子洞察正确组合后的结论就可靠吗企业系统与可靠性2篇29 QwenPaw-Data企业分析Agent为什么要分别管理事实、方法和执行30 ACID-Agent把执行变成事务能保证分析结论正确吗本文为AI辅助整理的系列总览依据本系列已记录的原始资料与版本进行归纳。文中的关系地图、经营分析例子和候选实验属于阅读判断不代表已完成复现或取得研究效果。 
长河君 · 2026/11/3 2:35:48 · 阅读 1.2k 【数据Agent论文·总览】30篇论文如何连成一条线：从查询到可信分析
读完三十篇数据Agent论文如果只记住三十个系统名字仍然很难回答一个问题我们究竟准备研究哪一种失败又凭什么认为它值得做进入专栏数据Agent30篇论文精读这篇文章给整个系列建立一张阅读地图。我的主线是从“把问题变成查询”经过“组织多步骤分析”走向“让报告中的结论得到合适的证据支持”。六类文章是整理入口三条主线是理解它们关系的方法。阅读说明这是一个围绕企业经营分析的定向文献池不是穷尽领域的系统性综述。序号用于系列整理不是年代排序论文修订版、关联系统和代码仓库不重复计数。各篇采用沈向洋“论文十问”区分作者报告、我的判断和后续研究设想均未运行论文复现实验。一、先看全图六类文章分别回答什么分类篇数与系列编号在整体问题中的作用综述3篇02—04给出统计分析、生命周期与查询评价的坐标查询与语义8篇05—12问句如何落实为正确的数据操作与业务定义表格事实与生成3篇13—15数据是否支持一句话生成有没有超出证据分析工作流7篇16—21、28多步骤任务如何规划、执行、反馈和澄清分析与报告评测7篇01、22—27怎样衡量分析任务、开放探索与最终报告其中ComInsight也是直接的方法近邻企业系统与可靠性2篇29—30业务资产、方法资产与执行状态如何管理这些类别会交叉。Spider 2.0同时涉及查询和工作流InsightBench同时提出任务、评价与Agent方法ComInsight既做报告方法也使用已有评测环境。分类方便查找不能代替对具体贡献的判断。二、第一条线从合法SQL走到企业业务语义Spider原文先把跨数据库、多表复杂查询定义成任务。RAT-SQL处理问题与数据库结构之间的关联PICARD在生成过程中加入解析约束。三者分别推进任务、结构理解和生成合法性并不是同一算法的连续升级。之后BIRD把真实数据值、外部知识和效率纳入挑战Spider 2.0进一步把企业SQL工作流作为评价对象。问题逐渐从“能否生成一条看起来正确的SQL”扩展为“能否在真实环境中完成取数任务”。SQLens直接研究错误检测和修正提醒我们语法合法、能够执行的SQL仍然可能在语义上错误。EntSQL把长篇企业知识放进任务条件SPC则把业务解释限制在受治理的语义选项内由确定性代码落实关系路径、粒度和查询构造。这条线的推进可以写成跨库理解 → 结构关联与合法解码 → 真实数据和企业工作流 → 错误定位与业务语义约束。这是对问题重心的归纳不是说新论文已经替代旧论文也不代表箭头两端一定存在直接引用或代码继承。它留下的一个候选问题是当分析需要多条查询时单条SQL都通过检查是否仍会在统计总体、时间轴或分母上互不兼容这个失败需要在实际任务中确认不能仅凭想象宣布研究空白。三、第二条线从一次工具调用走到持续分析ReAct提供推理、行动与观察交替的基础组织方式但“能够使用工具”并不等于“已经完成分析目标”。后续系统分别补上了不同责任。Data-Copilot强调预先构建可复用接口再在线组合分析流程TaskWeaver强调代码、插件和有状态执行InsightPilot关注如何根据当前发现继续选择探索动作。Data Interpreter用任务与动作依赖组织复杂分析LAMBDA把编程与检查角色结合并讨论领域知识与人工介入TiInsight进一步把数据库上下文、问题澄清、SQL和图表交互串起来。把它们放在一起应该问的是哪个机制负责减少重复工作哪个机制保存执行状态哪个机制选择下一步哪个机制修复运行问题哪个机制处理输入中的不确定性这些机制解决不同问题不能只以“用了几个Agent”衡量先进程度。InsightBench/AgentPoirot在这里起连接作用它把业务目标驱动的多步骤洞察作为任务同时给出方法与评价。DDR-Bench继续扩大开放程度研究没有预设具体问题时系统如何自己寻找值得调查的方向。两者不能简单理解为同一种问答任务的大小版本。这条线留下的问题是用户已经澄清的业务定义能否在多次规划、查询、计算和图表生成中持续保留运行不报错只是其中一个验收条件。四、第三条线从表格支持一句话走到报告支持一个判断TabFact研究表格是否支持给定主张ToTTo要求围绕指定表格证据生成忠实描述LogicNLG研究涉及比较、排序、聚合等逻辑关系的文本生成。它们说明数据到文本的事实可靠性早于今天的数据Agent系统不能把“检查报告有没有依据”整体当成新问题。长报告又增加了新难点。T2R-BENCH将数字准确、信息覆盖和一般表达质量分别评价DDR-Bench通过事实清单和探索轨迹评价开放发现ComInsight把可执行原子洞察、关系组织与复合报告生成放进同一方法中。因此至少应区分三个层次原子值是否正确。某条SQL或计算是否得到正确数字。关系是否成立。两个数字是否可以比较证据是否支持所写关系。解释强度是否合适。观察到同步变化是否被写成了未经支持的因果判断。原子数字都正确并不能自动推出组合后的解释成立。报告整体评分不错也不能替代对关键比较条件的检查。ComInsight正是必须认真比较的方法近邻已有工作已经组织证据与关系我们需要具体说明新增检查的对象和差异。五、评测与企业系统怎样把三条线连起来1. 评价对象逐步扩大但指标不能混用DABench让数据分析任务更容易自动评分DA-Code强调真实文件、代码执行与多步骤项目DSBench把数据分析和建模任务放在更接近专业工作的背景中。InsightBench、T2R-BENCH、DDR-Bench又分别覆盖目标驱动洞察、工业长报告和开放数据研究。这些材料共同提醒我实验必须先回答“正在测什么”。SQL执行率、代码通过率、答案正确率、报告事实性、参考要点覆盖、用户满意度和成本具有不同意义不能把其中一个高分写成系统全面可信。2. 企业资产与执行状态提供承载条件QwenPaw-Data从事实、方法和执行三个方面组织企业分析系统。ACID-Agent则讨论提交、重试、隔离与持久状态减少未经验证的中间结果继续影响后续任务。它们有助于区分定义和知识从哪里来分析方法如何复用这次任务实际执行了什么哪些结果已经通过某个验证流程。系统能稳定保存一个通过检查的结果不等于检查条件已经完整也不等于业务结论必然正确。对开题而言成熟的工具调用、状态管理和资产机制应该如实继承。把现成模块重新组合一遍可以有工程价值但方法贡献仍需要更明确的研究对象和证据。六、用一个例子理解三条线为何会汇合假设要解释“本季度净销售额为什么下降”。这是自拟例子不是任何论文已经完成的实验。第一条查询按支付时间统计本季度净销售额第二条查询按下单时间统计去年同期第三步把全部订单的收入与仅成功订单的成本放在一起计算贡献最后报告说“某地区导致整体下降”。这个流程可能同时具有合法SQL、成功执行、可复算数字和流畅报告却依然有问题比较时间不一致统计总体不同贡献的可加条件不明确最终措辞可能超过证据。查询研究帮助我们判断单步操作是否落实定义工作流研究负责保存澄清、依赖与执行记录报告研究检查数字、关系与主张企业运行时负责让错误定位和局部重算真正落地。三条线在这里汇合成一个具体问题已确定的业务定义如何在多步骤分析中持续传递并在组合结论时检查兼容性这仍然是候选研究方向。需要先找到自然任务中的真实失败再讨论表示、检查和修正机制。如果错误很少出现或者简单提示已经足够就应该收缩贡献表述而不是继续堆叠架构。七、怎样阅读怎样从阅读走向开题如果第一次进入这个方向我建议先读02—04三篇综述建立坐标再读01 InsightBench获得完整分析任务的直观印象。随后沿05—12理解查询正确性沿13—15理解表格事实与生成沿16—21和28理解工作流最后集中比较22—27的评价设计以及29—30的系统边界。如果已经准备实验可以先精读SPC、SQLens、T2R-BENCH、ComInsight和TiInsight检查自己的想法是否只是已有机制的改名再选择合适的工作流和评测环境。开题不需要把30篇的所有功能全部实现。更可执行的路线是限定趋势、分组比较等分析任务明确总体、时间、粒度、单位与分母等条件在同模型、同业务知识和可比较预算下对比直接工具Agent、结构化计划、显式兼容性检查与有界修正。评价除了最终正确率还应记录错误检测、正确内容误改、修正成功、拒答或未判定覆盖以及调用成本。若提升来自额外业务知识应如实归因于信息条件若同知识下新增机制仍然有效才能继续讨论方法贡献。八、哪些关系能写成事实哪些属于阅读归纳关系可以支持的表述不能顺势扩写成什么RAT-SQL、PICARD在Spider任务上研究与评价共同承接任务背景分别处理结构与解码PICARD是在RAT-SQL源码上改造LogicNLG使用TabFact作为任务基础事实验证材料被用于逻辑生成研究两篇解决完全相同的问题AgentPoirot明确受InsightPilot启发有明确思想启发关系全部模块直接继承ComInsight使用InsightBench、T2R-BENCH与DDR-Bench任务与评测承接所有报告主张都已独立验证查询、工作流和报告研究汇合到业务兼容性本系列用于组织阅读与候选选题的归纳领域公认的唯一历史或已证明无人研究的空白每篇解读都保留原始论文和版本入口。阅读总览用于建立地图判断具体机制、实验配置和发表状态时应回到各篇解读中的原始来源。下面的目录是这张地图的可点击入口。九、30篇文章的分类导航综述3篇02 统计与数据科学Agent会运行代码就等于会分析吗03 生命周期综述经营需求怎样贯穿数据分析全过程04 Text-to-SQL综述SQL正确性究竟该怎样衡量查询与语义8篇05 Spider为什么换一个数据库模型就不会查了06 RAT-SQL怎样把问题、表和字段真正关联起来07 PICARD生成过程中拦住错误SQL能保证什么08 BIRD看懂表结构之后还要看懂真实数据09 Spider 2.0从生成SQL走向完成企业工作流10 SQLensSQL能运行为什么仍需要检测和修正11 EntSQL给了业务文档模型为何还是写不对SQL12 SPCSQL能执行为什么业务答案仍然错误表格事实与生成3篇13 TabFact报告中的一句话表格真的支持吗14 ToTTo先指定证据再生成忠实描述15 LogicNLG数值抄对了逻辑结论就对了吗分析工作流7篇16 ReAct为什么Agent要边观察边行动17 Data-Copilot把重复分析变成可复用接口18 TaskWeaver数据Agent为什么需要有状态执行19 InsightPilot怎样从一次查询走向连续探索20 Data Interpreter任务图怎样帮助复杂分析21 LAMBDA编程与检查协作能保证什么28 TiInsight企业数据库探索为什么需要先澄清问题分析与报告评测7篇01 InsightBench从回答问题走向发现洞察22 DABench如何把数据分析能力变成可自动评分的任务23 DA-Code为什么会写代码还不等于能完成数据分析项目24 DSBench从答对一个问题到胜任数据科学还差什么25 T2R-BENCH报告写得通顺为什么数字和内容仍可能不可靠26 DDR-Bench没有预设问题Agent知道该研究什么吗27 ComInsight原子洞察正确组合后的结论就可靠吗企业系统与可靠性2篇29 QwenPaw-Data企业分析Agent为什么要分别管理事实、方法和执行30 ACID-Agent把执行变成事务能保证分析结论正确吗本文为AI辅助整理的系列总览依据本系列已记录的原始资料与版本进行归纳。文中的关系地图、经营分析例子和候选实验属于阅读判断不代表已完成复现或取得研究效果。