论文让数据智能体学会何时用图表推理，且不更新模型参数。
资讯摘要
论文关注数据智能体推理几乎只用文本的问题，构建含200个受控任务的probe测试集，发现智能体自生成图表的读取效果与数值输出相当，但仅有绘图权限并不带来稳定使用；图表在时序、模式与异常推理上占优，文本在精确读取与条件验证上占优。作者提出method，从条件化轨迹中蒸馏操作选择与何时调用文本或图表的经验，经轨迹评判与验证门筛选。作者报告在三个基准、四个LLM骨干上提升分析准确率与视觉证据质量，且不更新模型参数。
要点速读
- probe包含200个受控任务、四种匹配界面条件，揭示智能体“能读”与“选择用”之间存在持续差距。
- 图表在时序、模式与异常推理上领先，文本在精确读取与条件验证上领先。
- method从轨迹中蒸馏两类经验，并用轨迹评判打分、验证门只接纳提升留出性能的经验；作者报告在三个基准、四个骨干上提升准确率与视觉证据质量。
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 2026/10/23 08:00:11（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。