Charts as Epistemic Actions for Experience-Driven Agentic Data Analysis

{"tags": ["Data Agents", "ReAct", "Epistemic Actions", "Data Analysis", "Multimodal Reasoning", "Experience Distillation", "In-Context Learning"], "risks": ["Gia tăng độ trễ và chi phí token/API do vòng lặp ReAct phải thực hiện thêm các bước sinh mã tạo ảnh và xử lý hình ảnh trung gian.", "Khả năng xuất hiện ảo giác thị giác (visual hallucination) từ mô hình đa phương thức nếu biểu đồ sinh ra bị rối hoặc kích thước hiển thị hạn chế.", "Phụ thuộc lớn vào chất lượng của trajectory judge và cơ chế validation gate trong việc loại bỏ kinh nghiệm kém chất lượng."], "category": "Agents", "entities": ["ReAct", "\\probe{}", "\\method{}", "LLM"], "summary_vi": "Nghiên cứu đề xuất đưa biểu đồ trực quan vào vòng lặp ReAct của data agent như một 'hành động nhận thức' (epistemic action) trung gian để phát hiện xu hướng và bất thường dữ liệu. Thông qua bộ benchmark \\probe{}, nhóm tác giả chỉ ra biểu đồ vượt trội trong suy luận xu hướng và dị biệt, trong khi văn bản mạnh về trích xuất số liệu chính xác. Phương pháp \\method{} chắt lọc kinh nghiệm từ quỹ đạo mẫu kết hợp bộ thẩm định và cổng kiểm định, giúp các LLM nâng cao độ chính xác phân tích và chủ động dùng biểu đồ mà không cần can thiệp trọng số mô hình.", "key_changes": ["Định vị biểu đồ như hành động nhận thức (epistemic action) phục vụ trực tiếp vòng lặp suy luận trung gian của agent, thay vì chỉ là kết quả trực quan hóa cuối cùng.", "Xây dựng bộ benchmark \\probe{} (200 tác vụ kiểm soát) phát hiện agent đọc hiểu biểu đồ tốt ngang dữ liệu số nhưng thiếu chủ động tạo biểu đồ nếu không được dẫn dắt.", "Xác lập phân định hiệu quả theo modality: biểu đồ tối ưu cho phân tích chuỗi thời gian, phát hiện mẫu hình và bất thường; văn bản tối ưu cho đọc số liệu chính xác và kiểm chứng điều kiện logic.", "Đề xuất phương pháp \\method{} chắt lọc 2 nhóm kinh nghiệm (chọn/kiểm tra thao tác phân tích và định tuyến thời điểm dùng văn bản/biểu đồ) từ quỹ đạo mẫu.", "Tích hợp bộ đánh giá quỹ đạo (trajectory judge) và cổng kiểm định (validation gate) giúp mô hình tự học vẽ biểu đồ mà không cần huấn luyện lại hay can thiệp trọng số (parameter-free)."], "sub_category": "Data Agents", "novelty_score": 86, "business_score": 80, "research_score": 88, "why_it_matters": "Giải quyết điểm mù lớn của các agent phân tích dữ liệu hiện nay: việc chỉ suy luận qua văn bản khiến AI dễ bỏ sót các mẫu hình trực quan và điểm bất thường mà mắt người nhận diện ngay qua đồ thị. Việc biến biểu đồ thành công cụ suy luận trung gian hoàn toàn bằng cơ chế tích lũy kinh nghiệm (parameter-free) mở ra giải pháp chi phí thấp, triển khai nhanh và tăng độ tin cậy thực tế cho các hệ thống BI/Data Copilot doanh nghiệp.", "developer_score": 85, "importance_score": 84, "possible_use_cases": ["Xây dựng AI Data Analyst tự động: Tự động trích xuất bảng biểu, vẽ đồ thị trung gian để rà soát xu hướng kinh doanh và cảnh báo bất thường trong báo cáo BI.", "Hệ thống kiểm toán và tài chính thông minh: Tận dụng biểu đồ chuỗi thời gian để phát hiện giao dịch đáng ngờ hoặc sai lệch dữ liệu mà tóm tắt văn bản dễ bỏ sót.", "Nâng cấp Data Agent nội bộ: Ứng dụng kho lưu trữ kinh nghiệm (experience bank) cho ReAct loop nhằm nâng cao độ chính xác phân tích trên dữ liệu bảng mà không tốn chi phí fine-tune LLM."], "actionability_score": 78}