面向LLM智能体数据分析的可扩展文本分析语义原子

论文用两种语义原子拆分文本分析中的神经与符号步骤。

资讯摘要

论文针对智能体规划的数据分析中文本列处理（TADA）工作流，提出两种查询驱动的语义原子：Tagging 对每个输入项返回一个字符串，Categorization 在 N 个输入项上返回 M 个类别对象，结果分别物化为行对齐列和类别表，再由 SQL 或 Python 做精确计算。作者在 TADA-Agent 中实现该接口，并在 TABench 的 40 个完整分析请求上评估，报告其行级语义质量与基线相当、完整产物保留估计更高，语义模型请求数少一个数量级以上。

要点速读

1. 论文提出 Tagging 与 Categorization 两种语义原子，将神经语义步骤与 SQL/Python 精确操作分离。
2. TADA-Agent 在生成的 Python 程序中运行语义原子，并处理超出可靠上下文窗口的输入。
3. 在 TABench 的 40 个分析请求上，作者报告语义质量与基线相当、完整产物保留估计更高、语义模型请求数少一个数量级以上。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。