DeepPrep 用执行反馈与树形推理构建数据准备流程

数据准备旨在将异构、含噪的原始表转换为可分析数据，仍是数据科学的重要瓶颈。近期方法利用大语言模型按自然语言规范自动完成数据准备，但现有方法要么决策缺少中间执行结果支撑，要么依赖线性交互，难以修订早先决策。我们提出DeepPrep，一个由大语言模型驱动的自主数据准备Agent系统。环境会生成中间表状态并返回运行反馈；DeepPrep通过与环境迭代交互，以执行结果为依据构建处理流水线。为突破线性交互的限制，它以树形Agent推理组织流水线构建，支持基于执行反馈的结构化探索和跨步骤修订。为学习这些行为，我们提出渐进式Agent训练框架，并合成多样、复杂的自主数据准备任务。广泛实验表明，DeepPrep的数据准备准确率可与GPT-5等强闭源模型相比，推理成本约为其十五分之一；它在开源基线中取得最佳表现，并能有效泛化到不同数据集。