[논문리뷰] EvoOntology: A Self-Evolving Ontology Layer for Data Agents데이터 에이전트가 다양한 이기종 데이터 소스를 처리해야 함에 따라, 에이전트와 데이터 간의 심각한 Agent–Data Gap 문제가 발생하고 있습니다 . 기존의 방식은 에이전트가 원시 데이터를 무작위로 탐색하거나, 정적인 시맨틱 정보를 컨텍스트에 삽입하는 데 의존합니다.#Review#Data Agents#Ontology Layer#Model Context Protocol#Self-Evolving#Agent-Data Gap#Evidence-Grounded#Semantic Layer2026년 9월 20일댓글 수 로딩 중
[논문리뷰] DataSpace: Benchmarking Data Agents for Verifiable Analytics over Heterogeneous Workspaces본 논문은 현대적인 데이터 분석 환경에서 에이전트의 성능을 신뢰성 있게 평가할 수 있는 통합된 벤치마크가 부재하다는 문제점을 해결하고자 합니다. 기존 연구들은 단순 질의 응답이나 단일 유형의 데이터 소스에만 치중하거나, 결과에 대한 정량적 검증이 부족하다는 한계를 지닙니다 .#Review#Data Agents#Heterogeneous Workspaces#Benchmarking#Verifiable Analytics#Cross-Language#Text-to-SQL#Multimodal Integration2026년 8월 6일댓글 수 로딩 중
[논문리뷰] DAComp: Benchmarking Data Agents across the Full Data Intelligence Lifecycle본 논문은 기존 벤치마크가 놓치고 있는 실제 기업 데이터 인텔리전스 워크플로우의 복잡성 을 반영하여, 데이터 에이전트의 포괄적인 성능을 평가 하는 DAComp 벤치마크를 제시합니다.#Review#Data Agents#Benchmarking#Data Engineering#Data Analysis#LLM-as-Judge#Full Data Intelligence Lifecycle#Repository-Level#Open-Ended Tasks2025년 12월 4일댓글 수 로딩 중
[논문리뷰] A Survey of Data Agents: Emerging Paradigm or Overstated Hype?본 논문은 '데이터 에이전트' 용어의 종합적이고 체계적인 정의 및 분류 를 제공하고, 기능적 경계와 책임 분배를 명확히 하는 계층적 분류 체계를 제안하여 데이터 에이전트 연구의 개념적 모호성을 해소 하는 것을 목표로 합니다. 나아가 기존 연구를 검토하고 미래 연구 방향을 제시하여 이 분야의 건강한 발전을 돕고자 합니다.#Review#Data Agents#LLMs#Autonomy Levels#Hierarchical Taxonomy#SAE J3016#Data Management#Data Preparation#Data Analysis#Autonomous Orchestration2025년 10월 28일댓글 수 로딩 중
[논문리뷰] DeepAnalyze: Agentic Large Language Models for Autonomous Data Science본 논문은 원시 데이터부터 분석가 수준의 심층 연구 보고서에 이르는 완전히 자율적인 데이터 과학 을 달성하는 것을 목표로 합니다. 기존 워크플로우 기반 데이터 에이전트들이 사전 정의된 워크플로우에 의존하여 복잡한 데이터 과학 태스크와 다양한 정형 데이터 처리에서 한계를 보이는 문제를 해결하고자 합니다.#Review#Autonomous Data Science#Agentic LLM#Curriculum Learning#Reinforcement Learning#Data Agents#End-to-end Data Science2025년 10월 21일댓글 수 로딩 중