AuDQ：可审计数据质量与智能体规则发现框架

2026年10月20日，arXiv Artificial Intelligence 刊出 Jacopo Biggiogera 等作者的 AuDQ 研究。报道称，该研究提出一种本体驱动、仓库原生的数据质量层，把规则作为一等工件，支持版本化、与治理文本建立溯源关联，并可通过不可变执行轨迹重放。其智能体规则发现核心提供 Full-Agentic 与 Guided 两种规则获取模式，以及人在回路（HITL）审核界面。报道还称，该研究在金融和零售两个真实行业数据集上做了初步验证，考察全自主分治式规则发现能否产出与人类专家同等质量与多样性的规则。目前进展停留在论文层面的框架提出与初步验证，报道未给出更多落地或评测细节。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。