VeriGraph：迈向可验证的数据分析智能体

针对基于大语言模型的智能体在数据分析任务中输出难以验证的问题，本文提出 VeriGraph，一种可追踪的神经符号推理框架。该框架使智能体在执行过程中构建显式的异构证据有向无环图，通过计算、 grounding 和推导三种扩展原语，统一连接原始数据、变量、结果与自然语言主张。实验表明，该方法显著提升了结论的可复现性与判断的可审查性，在多个基准测试中取得最优表现，实现了高比例的主张证据支撑率。