谷歌AI发布DS STAR：全新的多智能体数据科学平台，提供全面的端到端分析能力

发布时间：2025-11-07 11:58:53 | 责任编辑：张毅 | 浏览量：6 次

谷歌 AI 研究团队近日推出了 DS STAR（数据科学代理通过迭代规划和验证），这是一种多智能体框架，旨在将模糊的商业问题转化为可执行的 Python 代码，无需人工分析师的介入。与传统数据科学代理依赖于结构化的 SQL 数据库不同，DS STAR 能够直接处理 CSV、JSON、Markdown 以及非结构化文本等混合格式的数据文件。
DS STAR 的工作流程分为几个阶段。首先，系统通过一个名为 Aanalyzer 的智能体对数据湖中的每个文件进行分析，生成 Python 脚本来提取关键信息，如列名、数据类型和元数据。这一步骤确保了系统能够获取每个文件的结构化视图，为后续的分析提供上下文信息。
在完成数据分析后，DS STAR 进入一个迭代规划和验证的循环。这个过程包含了多个智能体，包括 Aplanner、Acoder、Averifier 和 Arouter 等。Aplanner 负责创建初始的可执行步骤，Acoder 则将这些步骤转换为 Python 代码，执行后得到观察结果。Averifier 根据执行结果评估当前计划的充分性，必要时由 Arouter 决定如何修正计划。这个循环会持续进行，直到得到一个符合要求的结果或达到最大迭代次数。
此外，DS STAR 还配备了 Adebugger 和 Retriever 模块，以提高系统的鲁棒性。Adebugger 在脚本失败时进行修复，确保即使在遇到模式漂移和缺失列的情况下，系统仍能正常运行。而 Retriever 则负责在庞大的数据集中检索最相关的文件，以便在分析过程中提供上下文支持。
通过一系列基准测试，DS STAR 在 DABStep、KramaBench 和 DA Code 等多个任务中展现了卓越的表现，显著提高了分析的准确性。这表明 DS STAR 能够有效地将复杂的数据科学问题转化为可靠的 Python 解决方案，推动数据分析的自动化进程。
论文:https://arxiv.org/pdf/2509.21825
划重点:
🌟 DS STAR 是一款多智能体框架，能够将模糊商业问题转化为可执行的 Python 代码。
📊 该系统通过多个智能体的协作，完成数据分析、代码生成及结果验证的迭代过程。
🚀 在基准测试中，DS STAR 显著提高了数据科学任务的分析准确性，展现了强大的自动化能力。