让图表成为数据智能体的推理动作：经验驱动的智能体数据分析方法

研究提出让图表作为数据智能体推理循环中的内部认知动作，并构建了含 200 个受控任务、四种匹配界面条件的 probe 测试集，发现智能体能读懂自生成图表却不会稳定使用。随后提出通过条件轨迹采样蒸馏两类经验的方法，用轨迹评判器打分并设验证门筛选，在三个留出基准、四个 LLM 骨干上提升了分析准确率与视觉证据质量，从未画图的骨干也开始使用图表，且不改动模型参数。