Newest papers

Charts as Epistemic Actions for Experience-Driven Agentic Data Analysis

Xinzhe Wang, Xudong Weng, Zang Li, Shaolei Zhang · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.30072 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Các nhà phân tích dữ liệu được xây dựng trên các vòng tròn kiểu ReAct hiện đang thực hiện các dòng công việc phân tích phức tạp trên dữ liệu có cấu trúc, nhưng lý luận trung gian của họ vẫn chạy gần như hoàn toàn thông qua văn bản. Các nhà phân tích con người thay vào đó di chuyển giữa các số, bảng và biểu đồ, đọc bằng chứng thị giác để phơi bày xu hướng và bất thường mà các tóm tắt văn bản giảm. Chúng tôi hỏi liệu các biểu đồ có thể phục vụ như các hành động biểu tượng nội bộ bên trong vòng tròn lý luận của một đại lý dữ liệu, và làm thế nào để dạy một đại lý sử dụng chúng. Chúng tôi đầu tiên xây dựng \probe{}, một bộ 200 nhiệm vụ được kiểm soát dưới bốn điều kiện giao diện phù hợp, và tìm thấy một khoảng cách liên tục giữa những gì các đại lý có thể đọc và những gì họ chọn

Machine translation (Meta M2M100); the English original follows.

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.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Task (project management), Workflow, Suite, Reading (process), Quality (philosophy)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange