面向企业数据理解的学习型压缩与路由：赋能 Data Agent

arXiv:2609.25286v1 公告类型：新发布 摘要：企业环境中的结构化数据 Agent 必须在复杂数据环境中进行推理，而相关证据往往分散在 schema、关系、策略和反复出现的业务角色中。现代 Agentic 系统通常通过可复用的 markdown 风格 memory 或 skill 文件来减轻这一负担，这些文件会保存先前发现的信息以供后续查询使用，从而减少重复发现相同结构的必要。这确实有用，但它掩盖了一种自然的分工：Agent 更适合语义推理，而学习型系统更适合预测和组织反复出现的结构。我们提出潜在等价学习（latent equivalence learning）来弥合这一差距。该框架将持久的任务相关身份与其相对于具体数据集的表现形式分离开来。在我们的实现中，支持性证据与反对性证据共同塑造支持实现的高斯原型（Gaussian prototypes），学习这些身份在特定数据环境中的表达方式；而软成员隶属度画像（soft-membership profiles）则保留了硬分配下会丢失的区分信息。另一个独立学习的查询原型系统用于表示反复出现的证据需求，并通过一个学习到的兼容性函数将其映射到同一持久身份结构中。这种按身份分解、受查询条件约束的路由机制，会为下游推理物化出相关的数据集特定证据，使 Agent 能够在一个已经组织好的证据状态上运行，而不必在每次查询时重新构建跨 schema 结构。在 Data Agent Benchmark 上，该基准涵盖 12 个异构数据集中的 54 条查询；我们的完整实现在 5 次完整试验中取得 94.67% 的数据集宏平均分层 Pass@1，并成功完成 258/270 次原始查询尝试；相比之下，该基准的 Claude Opus 4.6 参考 Agent 为 55.51%。在提交时，我们的方法在 40 个榜单条目中排名第一。