DeepAnalyze: Agentic Large Language Models for Autonomous Data Science

文章核心总结与创新点

主要内容

文章提出首个面向自主数据科学的智能体大语言模型DeepAnalyze-8B，可自动完成从数据源到分析师级深度研究报告的端到端流程。针对现有方法依赖预定义工作流、缺乏自主编排与自适应优化能力的问题，设计了基于课程的智能体训练范式和数据驱动的轨迹合成框架，解决了奖励稀疏和轨迹稀缺两大挑战。模型通过单能力微调与多能力智能体训练的两阶段学习，掌握数据准备、分析、建模、可视化、报告生成等全流程技能，在12个数据科学基准测试中表现优异，仅8B参数就超越多数先进专有大模型。

核心创新点

1. 首个自主数据科学智能体模型：DeepAnalyze是专为该领域设计的智能体LLM，具备自主编排和自适应优化两大核心能力，无需依赖外部框架即可完成端到端任务。
2. 课程式智能体训练范式：模拟人类数据科学家的学习路径，从单能力强化到多能力整合，逐步攻克复杂任务，缓解奖励稀疏问题。
3. 数据驱动的轨迹合成框架：通过推理轨迹合成（提取并优化推理过程）和交互轨迹合成（构建多轮环境交互数据），解决高质量训练数据稀缺问题。
4. 统一解决方案：首次实现从特定数据任务到开放式数据研究的全覆盖，能生成符合专业标准的分析师级报告。

---

英文原文与中文翻译（Markdown格式）