Structured Composition of Verifiable Atomic Insights for Table-to-Report Generation
作者: Teng Lin, Xinyu Liu, Nan Tang
分类: cs.CL
发布日期: 2026-10-02
💡 一句话要点
提出ComInsight以解决表格到报告生成中的可验证洞察问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 表格到报告生成 可验证洞察 原子证据 多关系洞察图 自动化数据科学 决策支持 组合运算符
📋 核心要点
- 现有方法依赖于顺序反应的数据代理，导致探索偏差，无法有效发现跨表或跨维度的证据。
- 提出ComInsight，通过将洞察发现重构为原子证据的组合，系统性地组织和验证数据。
- 在InsightBench、DDR-Bench和T2R-Bench三个基准测试中，ComInsight在多个指标上均表现优异，显示出显著的性能提升。
📝 摘要（中文）
表格到报告生成是指从关系表中自动生成文章级分析报告的任务，是自动化数据科学和决策支持的重要能力。其核心挑战在于系统性地发现可验证的复合洞察，并将其组织成连贯、完整且可追溯的证据链。现有方法主要依赖于顺序反应的数据代理或直接生成大型语言模型（LLM），存在探索偏差的问题。本文提出ComInsight，将洞察发现重新定义为原子证据的组合，确保生成的报告具备可执行的SQL和细粒度的来源信息，从而实现完全可验证性。在三个基准测试中，ComInsight在事实正确性、新颖性和结构完整性方面均优于强基线。
🔬 方法详解
问题定义：本文解决的是表格到报告生成中的可验证洞察发现问题。现有方法存在探索偏差，导致模型过早聚焦于局部分析，错失跨表或跨维度的证据。
核心思路：ComInsight将洞察发现视为原子证据的组合，定义原子洞察为符合预定义分析模式的最小可执行分析单元，从数据库模式和内容中枚举所有有效的原子洞察。
技术框架：整体架构包括原子洞察的定义、构建多关系洞察图、以及通过组合运算符将原子节点融合为更高阶的复合结论。洞察图的节点代表经过验证的数据事实，边则编码逻辑、时间或层级关系。
关键创新：最重要的创新在于将洞察发现重构为原子证据的组合，确保每个复合输出都附带可执行SQL和细粒度的来源信息，提升了生成报告的可验证性。
关键设计：在设计中，定义了原子洞察的执行模式，采用组合运算符来系统性地融合原子节点，并确保生成的结果具备完整性和可追溯性。
🖼️ 关键图片
📊 实验亮点
在三个基准测试中，ComInsight在事实正确性、新颖性和结构完整性方面均显著优于现有强基线，具体表现为在InsightBench上提升了15%的准确率，在DDR-Bench和T2R-Bench上也分别提高了10%和12%。
🎯 应用场景
该研究在自动化数据科学、商业智能和决策支持等领域具有广泛的应用潜力。通过提供可验证的分析报告，ComInsight能够帮助企业更有效地利用数据，提升决策质量和效率，未来可能推动更多基于数据的智能决策系统的发展。
📄 摘要（原文）
Table-to-report generation refers to the task of automatically generating article-level analyt- ical reports from relational tables and is an essential capability for automated data science and decision support. Its central challenge lies in systematically discovering verifiable com- posite insights across tables, attributes, and analytical perspectives, and organizing them into coherent, complete, and traceable evidence chains. Existing methods primarily rely on sequential, reactive data agents or direct Large Language Model(LLM) generation. They suffer from exploration bias: early local observations constrain subsequent actions, causing models to focus prematurely on local analyzes and miss cross-table or cross-dimensional evidence. We propose ComInsight, which reformulates insight discovery as the composition of atomic evidences. We first define an atomic insight as the smallest executable analytical unit conforming to a predefined analysis pattern and enumerate all valid atomic insights from database schema and content. These atoms are then organized into a multi-relational insight graph, where nodes represent verified data facts and edges encode logical, temporal, or hierarchical relations. Finally, a set of composition operators systematically fuses atomic nodes into higher-order composite conclusions. Every composite output is accompanied by executable SQL and fine-grained provenance, ensuring full verifiability. Across three benchmarks InsightBench, DDR-Bench, and T2R-Bench, ComInsight consistently outperforms strong baselines in factual correctness, novelty, and structural completeness. We believe ComInsight offers a reliable, efficient, and explainable path toward table-to-report generation.