Agentic-imodels：经autoresearch演化面向智能体的可解释工具

摘要

智能体数据科学（ADS）系统自主分析、拟合与解释数据的能力快速提升，可能走向智能体承担绝大多数数据科学工作的未来。但当前ADS系统使用为人而非为智能体设计的可解释统计工具。为此我们引入Agentic-imodels：一个演化「智能体可解释」数据科学工具的智能体autoresearch循环。具体地，它开发一个兼容scikit-learn的表格回归器库，同时优化预测性能与一个新颖的基于LLM的可解释性指标。该指标度量一组LLM评分测试：探测拟合模型的字符串表示能否被LLM「模拟」——即LLM能否仅凭阅读模型的字符串输出回答关于模型行为的问题。我们发现演化出的模型同时提升预测性能与面向智能体的可解释性，并能泛化到新数据集与新可解释性测试。此外，这些演化模型改进下游端到端ADS：在BLADE基准上使Copilot CLI、Claude Code与Codex的性能最高提升73%。

Agentic-imodels：经autoresearch演化面向智能体的可解释工具：论文配图 — 图 2：可解释性测试协议，通过 43 项测试中的 4 项进行 Ridge 回归说明。生成综合数据并拟合模型。 LLM 仅接收 __str__ 输出和查询。响应根据地面实况进行分级，地面实况是通过评估拟合函数或从地面实况函数的知识获得的。在某些情况下，问题本身需要评估预测函数，例如在反事实目标测试中，通过在设置 x0=2.18,x1=0.0,x2=0.0x_{0}=2.18,x_{1}=0.0,x_{2}=0.0 时评估模型获得值 8.50。这里，LLM通过了三项测试，但未通过反事实目标测试。尽管计算反事实目标的信息存在于 __str__ 输出中，但与其他模型表示（例如，使预测值在叶节点中很容易显现的决策树）相比，该表示并不能让 LLM 轻松解决逆问题。