论文提出LLM编排四引擎的联合状态数据分析机制
资讯摘要
论文提出多引擎联合状态数据分析机制，将数据上下文嵌入LLM对话分析，LLM仅承担语义、推理与编排层，通过1M上下文窗口连接Python与R的ML内核、关系数据库SQL和Cypher图数据库四类引擎，实现语义与精确计算、关系与图的双重结合。作者报告在SQL、Cypher、Python与R的ML及跨业务数据库泛化上均给出量化结果。
要点速读
- 论文提出四维坐标系：横向引擎种类、纵向状态流、空间业务泛化、时间迭代收敛，并以一次性注入schema.json与notes.md的确定性接地方法支撑后两维。
- 作者报告CypherBench电影数据集达96.5%，SQL在AdventureWorks、金融、formula_1三个业务库平均约91.3%至95.3%，较单次SOTA 74.45%高约20至23点。
- 作者称状态可跨引擎流动、接地可跨内核复用，且准确率随notes累积单调收敛。
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 2026/11/4 08:00:28（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。