Data Journalist Agent — 把数据变成可审计的多媒体故事

这篇论文提出 Data2Story，一个“虚拟 newsroom”式的多智能体系统。它的目标不是只回答一个数据问题，而是从原始数据出发，完成找背景、跑统计、选故事角度、设计多媒体素材、生成网页、检查页面、绑定证据链，最后产出一篇普通读者能读完、也能追溯证据的数据新闻文章。论文最重要的点不是“AI 写新闻”，而是把可验证性做成产物的一部分。

背景铺垫

• 数据新闻是跨学科工作。 一篇好文章通常要查背景、清洗数据、做统计、选叙事角度、设计图表和网页，不是一个简单摘要任务。
• 已有 agent 多半只覆盖局部环节。 数据科学 agent 会跑分析，设计 agent 会做网页，搜索 agent 会找资料，但它们很少端到端产出可读的数据新闻。
• 新闻产物最怕不可追溯。 读者需要知道数字来自哪里、图表是否真的反映数据、背景说法是否有来源，否则 agent 很容易变成漂亮但不可信的页面。
• 多媒体不只是装饰。 地理题材可能需要交互地图，音乐题材可能需要音频片段，时间线题材可能需要动画或可探索图表。

问题是什么

• 从数据到故事不是线性生成。 先分析再写作还不够，因为写作角度会反过来影响要查什么背景、展示什么图表。
• 单个大模型难同时扮演整间 newsroom。 侦查、统计、编辑、设计、前端实现和审校需要不同技能，强行揉在一个提示里容易漏步骤。
• 人类文章强在角度和设计，但证据链不总是机器可查。 读者能读懂文章，却未必能追到每个数字对应的脚本行或数据来源。
• 评价这类产物也很难。 不能只看 BLEU 或准确率，因为文章同时包含叙事、交互、图表、审美和数据可信度。

核心想法

• 把 agent 系统做成虚拟 newsroom。 Data2Story 用七个角色协作：Detective、Analyst、Editor、Designer、Programmer、Auditor 和 Inspector。
• 每个角色产出可追踪中间物。 背景来源、统计代码、分析结果、编辑计划、视觉素材和 HTML 片段都会留下结构化记录。
• Inspector 把最终页面绑回证据。 它把文章中的句子、数字、图表和交互元素连接到代码行、数据文件或外部 URL。
• 最终产物是可读网页而不是报告。 论文强调普通读者消费的是故事页面，所以系统直接生成多媒体 HTML article。

方法怎么做

• Detective 负责补上下文。 它用 web search 给原始数据补充背景、来源 URL 和可复用媒体，避免后续角色凭空解释数据。
• Analyst 负责完整统计探索。 它分析列、枚举可支持的问题，并运行 Python/R 代码，输出结果和对应脚本指针。
• Editor 负责把结果变成故事。 它决定主线、取舍、排序和段落级大纲，让文章不只是事实列表。
• Designer 和 Programmer 负责读者体验。 Designer 为每个发现选择合适媒体，Programmer 把文字、图表和交互组装成 HTML 页面。
• Auditor 和 Inspector 分别管外观和证据。 Auditor 找布局、交互和资产问题；Inspector 则把最终页面元素绑定到上游证据。

新意在哪里

• 它把 claim-level provenance 放进最终产物。 Inspector 不只是内部日志，而是把可见句子和图表绑定到代码证据或引用证据。
• 它把 data agent 的输出形态升级成网页故事。 许多系统输出报告或图表，Data2Story 目标是非专家读者愿意阅读的多媒体新闻页面。
• 它用多种评价协议评估“文章”。 论文同时看人类角度覆盖、53 人盲评、computer-use agent judge 和可验证性。
• 它承认人类记者仍有优势。 作者明确说系统是 collaborator，不是替代记者；人类仍强在报道角度、创意设计和信息密度。

结果速览

• 评估集包含 18 篇人类对照文章。 来源覆盖 The Economist、The Pudding 和 TidyTuesday，题材包括科学、媒体、体育、政治、健康和气候。
• 人类角度约一半被 agent 覆盖。 Human-in-Agent 为 50.4%，Agent-in-Human 为 35.1%，说明 agent 能抓到不少人类角度，也会提出人类没写的 claim。
• 53 人盲评更偏好 Data2Story。 平均分 Data2Story 为 4.21，人类文章为 3.38；整体偏好上 39 人选 Data2Story，13 人选人类，1 人认为平手。
• 最大优势是透明度。 五个 rubric 里，Data2Story 在 Transparency 上提升最大，差值为 +1.49。
• 可审计性差距很大。 Data2Story 93% 可见 claim 能追到上游证据，人类文章在该机器检查设置下约 25%。这衡量的是 provenance，不等于事实正确率。

局限与开放问题

• 人类的报道角度仍然更深。 很多强角度来自采访、行业经验和外部判断，不是表格本身能推出的。
• 创意交互还比不上手工团队。 The Pudding 这类长篇 scrollytelling 有大量定制互动，agent 目前更多是标准图表和通用多媒体。
• Inspector 有认知负担。 66% 参与者觉得有帮助，但也有人觉得复杂或分散注意力，证据链界面还需要更好设计。
• 当前系统是全自动的。 论文也指出，更可靠的版本应允许记者在循环中给反馈、调整角度和修订产物。
• 污染风险不能完全排除。 一些 Economist 和 Pudding 文章可能出现在模型训练语料里，虽然作者用双向 coverage 和 verifiability 降低了这个影响。

影响

• 它给 agentic data system 一个更高标准。 不是只要能分析数据，而是要能把结果变成读者可用、编辑可审、证据可追的公开产物。
• 它也给 AI 新闻应用划了边界。 适合做审计、素材、探索和长尾数据故事；真正的报道判断和创意表达仍需要人类编辑。