UrbanDS：面向数据密集型城市任务的图引导LLM多智能体系统

arXiv:2607.26724v1 公告类型：新 摘要：大型语言模型（LLM）智能体已广泛应用于自动化数据科学任务。然而，现有方法通常依赖有限的一组给定数据集，在需要从大规模异构数据存储库中发现和利用相关信息的数据密集型场景中面临挑战。城市任务是此类场景的代表性示例，因为城市数据不仅规模大、来源多，而且表现出复杂的空间、时间和语义关系。为了解决这些挑战，我们提出了UrbanDS，一个面向数据密集型城市任务的图引导LLM多智能体系统。我们首先构建一个统一的数据集图，以组织可复用的数据集技能和数据集之间的关系。具体来说，我们开发了一个数据剖析智能体（Data Profiling Agent），为每个数据集构建技能。此外，一个关系智能体（Relation Agent）识别数据集之间的关系并将这些关系集成到数据集图中。在运行时，一个规划智能体（Planner Agent）从图中检索与任务相关的数据集并生成执行计划。然后多个执行智能体（Execution Agents）执行数据处理和分析，同时它们的执行进度和中间结果通过共享内存进行共享。最后，一个报告智能体（Report Agent）将实验日志综合成报告，并可基于用户反馈进一步优化。为了系统评估智能体在处理数据密集型城市场景中的能力，我们进一步构建了UrbanDS-Bench，一个覆盖代表性数据分析和建模任务的城市数据科学基准。在通用和城市基准上的实验表明，UrbanDS在数据密集型任务上持续优于现有的数据科学智能体。此外，UrbanDS已部署在武汉市东西湖区的城市运营平台上，证明了其在真实城市应用中的有效性。

# UrbanDS：面向数据密集型城市任务的图引导LLM多智能体系统

Zhilun Zhou（清华大学电子工程系，BNRist，北京，中国，[email protected]），Jianghao Yu（清华大学电子工程系，BNRist，北京，中国，[email protected]），Yuming Lin（清华大学城市规划系，北京，中国，[email protected]），Yongjun Yang（江门市智慧社会治理技术创新中心，江门，中国，[email protected]），Yongquan Sun（清华大学，北京，中国，[email protected]），Dep