DSFlow:一种带有统计诊断防护机制的神经符号数据工作流代理
arXiv:2611.25111v1 公告类型:新 题要:数据科学工作流通常需要依赖具备相当技术背景的工具。大型语言模型(LLM)虽能降低这一门槛,但在灵活的通用型智能体与统计可控的流水线之间仍存在鸿沟。我们提出了 DSFlow,一个基于 LangGraph 的神经符号数据智能体平台,它将可复用的、由 LLM 选择的技能与确定性的诊断防护机制相结合。这些技能提供了可扩展的任务知识。符号验证能够接受所提议的方法、请求澄清或重新规划、覆盖不适用的方法,或提供安全的备选方案。回归和聚类案例研究展示了 DSFlow 如何利用诊断证据来修正方法选择,并在可审计的报告中记录这些决策。



