DataCOPE：無需標註的Agent數據分析技能發現框架

本文提出DataCOPE，一種用於數據分析智能體（Agentic Data Analysis）的無監督驗證器引導技能發現框架。針對推理時技能增強中高質量監督信號稀缺且成功標準多樣的痛點，DataCOPE僅利用未標記的探索軌跡即可自動發現可複用的程序性知識。該框架通過迭代協調數據分析智能體、無監督驗證器和技能管理器，從軌跡中提取驗證信號以表徵相對質量或一致性。針對報告式分析，引入自適應清單驗證器，動態生成任務特定標準並評估覆蓋度；針對推理式分析，採用答案一致性驗證器，利用自一致性作為輔助信號。在Deep Data Research和DABStep基準上的實驗表明，DataCOPE在四種模型設置下平均將報告式和推理式任務的得分分別提升了9.71%和32.30%，顯著優於基線方法，為低成本提升數據分析Agent能力提供了新範式。