冻结分析任务、数据问题与决定
- 判断问题
- 需要完成哪些准确查找、比较、聚合、计算、查询、图表或建议，供谁使用并支持什么验收决定？
- 最低证据
- 逐字主张与日期；准确系统、模型、提示、工具与运行时；数据问题、合格来源、输出契约、语言、用户、后果、阈值、允许假设与拒绝条件。
- 停止条件
- 精美图表、单个正确数字或宽泛的“分析任何数据”表述替代明确任务、输出契约与决定阈值时停止。
漂亮图表不是可靠分析；一个正确数字不是完整能力
数据分析能力必须把数据、模式、查询、计算、结果支持、视觉表达与全部失败保留在同一证据链中。
查表、Text-to-SQL、计算、事实核验、开放式分析与图表生成是不同任务，也有不同错误。只有先冻结数据问题、快照与业务定义，再核对查询、计算、完整分母及真实用途，才可以形成可复核的能力判断。
适用边界本页是公共研究方法，不代表 FUURAA 或 FUUVO 产品能力，也不评价任何模型、供应商、数据库、数据集或排行榜；不构成数据准确性、分析完整性、财务结论或适用性保证。
六道可拒绝的证据门
每道门都要求最低证据，并在关键未知时停止外推或缩小结论。
版本化数据、模式与参考答案
- 判断问题
- 系统可使用哪些准确文件、表、行、列、定义与时间范围，什么被视为事实？
- 最低证据
- 数据溯源、快照、权限与截止日期；模式、类型、单位、连接、键与业务定义；缺失、重复、截尾与异常规则；参考查询、公式、程序、中间值、答案容差、复核者专业性与分歧。
- 停止条件
- 数据快照、模式语义、指标定义、分母、参考计算或事实日期未知时停止。
分开评估访问、解析、查询与计算
- 判断问题
- 系统是否读取正确单元格与记录，形成正确查询或代码，并在预期环境执行？
- 最低证据
- 文件与工作表覆盖；编码、区域、日期与数字解析；表格检测与表头推断；模式链接、筛选、连接与聚合；生成的 SQL、公式或代码；软件包与引擎版本；权限、沙箱、超时、重试与执行轨迹。
- 停止条件
- 最终答案准确率掩盖跳过工作表、解析错误、错误连接、静默类型转换、执行失败或人工修复时停止。
验证计算、支持与视觉表达
- 判断问题
- 每个重要数字、陈述与图表能否由明确数据与操作重建？
- 最低证据
- 查询执行与结果集检查；公式与中间值验证；单位、正负号、日期、舍入与分母检查；来源到主张映射；不确定性与缺失数据披露；图表数据、比例尺、标签、筛选与可访问性；矛盾与敏感性测试。
- 停止条件
- 流畅解释、格式匹配或未经验证的模型裁判替代可执行重建与关键数字复核时停止。
计入每项任务、失败、方差与人工修正
- 判断问题
- 完整合格集合、多次运行及重要数据或用户分层中发生了什么？
- 最低证据
- 完整任务与文件分母；空白、格式错误、无支持与部分正确输出；查询、工具与图表失败；多次运行方差；来源、格式、语言、复杂度与子群结果；重试、人工编辑、复核时间、时延、Token、算力与总成本。
- 停止条件
- 精选成功或平均准确率掩盖失败文件、关键数字错误、不稳定重复、人工救援、尾部时延或成本时停止。
迁移至目标流程并让主张到期
- 判断问题
- 实时数据、模式、定义、人员与下游系统变化后，受控结果是否仍然有用？
- 最低证据
- 影子或分阶段使用；代表性数据规模、格式、语言、无障碍需求与升级路径；人工验收、对账与下游结果检查；监测；数据、模式、指标、模型、提示、工具与政策变化触发器；责任人、回滚与到期日。
- 停止条件
- 静态基准未经目标验证、复核与回滚便直接外推至实时报告、财务决定或数据库操作时停止。
最低数据分析主张失效矩阵
主动检查这些情形，避免把精选答案、成功查询或精美图表外推为真实数据分析能力。
- 01从错误表格、时间范围或分母计算出碰巧正确的数字
记录受影响的数据、查询、指标、格式、用户与决定；保留仍成立的最窄结论，并明确需要补数据、修正定义、重跑、人工复核、限制用途还是撤回主张。
- 02日期、小数分隔符、货币、单位或缺失值被错误解析
记录受影响的数据、查询、指标、格式、用户与决定；保留仍成立的最窄结论，并明确需要补数据、修正定义、重跑、人工复核、限制用途还是撤回主张。
- 03连接操作重复或丢失记录，但聚合结果看似合理
记录受影响的数据、查询、指标、格式、用户与决定；保留仍成立的最窄结论，并明确需要补数据、修正定义、重跑、人工复核、限制用途还是撤回主张。
- 04生成的 SQL、公式或代码合法，却回答了不同业务定义
记录受影响的数据、查询、指标、格式、用户与决定；保留仍成立的最窄结论，并明确需要补数据、修正定义、重跑、人工复核、限制用途还是撤回主张。
- 05解释或图表陈述了计算结果不支持的结论
记录受影响的数据、查询、指标、格式、用户与决定；保留仍成立的最窄结论，并明确需要补数据、修正定义、重跑、人工复核、限制用途还是撤回主张。
- 06图表比例尺、筛选、标签或被省略类别改变读者理解
记录受影响的数据、查询、指标、格式、用户与决定；保留仍成立的最窄结论，并明确需要补数据、修正定义、重跑、人工复核、限制用途还是撤回主张。
- 07某种文件类型、语言、稀有类别或复杂查询的结果明显更弱
记录受影响的数据、查询、指标、格式、用户与决定；保留仍成立的最窄结论，并明确需要补数据、修正定义、重跑、人工复核、限制用途还是撤回主张。
- 08数据刷新、模式、指标、模型或工具变化使既有证据失效
记录受影响的数据、查询、指标、格式、用户与决定；保留仍成立的最窄结论，并明确需要补数据、修正定义、重跑、人工复核、限制用途还是撤回主张。
最低数据分析能力评估记录
让下一位复核者能以同一数据、模式、业务定义、查询／计算、系统与完整运行重建结论。
- 01主张、日期、责任人、分析任务、输出契约、用户、后果与阈值
- 02系统、模型、提示、工具、软件包、运行时与部署版本
- 03数据来源、溯源、权限、快照、截止日期、格式与排除项
- 04模式、键、连接、类型、单位、业务定义与缺失数据规则
- 05参考查询、公式、程序、中间值、容差与分歧
- 06解析、模式链接、筛选、执行环境、轨迹与重试
- 07计算、结果集、关键数字、来源支持与敏感性检查
- 08图表数据、比例尺、标签、筛选、可访问性与叙述主张
- 09全部任务与文件、失败、重复、修正、复核时间、时延与成本
- 10目标流程证据、对账、监测、变化触发器、回滚与到期日
统一证据状态
把结论绑定到准确链路、任务、数据快照、模式、完整分母、目标流程与日期。
准确链路在代表性目标数据上达到计算、来源支持、关键错误、可靠性、子群、人工工作、时延与成本阈值，并有当前复核日期。
支持仅在明确数据来源、模式版本、任务类型、格式、语言、规模或运行控制下成立。
解析、查询、计算、支持、视觉表达、多次运行可靠性、时延或成本在不同分层间存在实质差异。
缺少数据或模式溯源、任务契约、参考计算、执行轨迹、完整分母、目标迁移或到期边界。
FUURAA 分析AI 数据分析与表格推理能力主张的最小判断单位是“准确系统、模型、提示、工具与执行环境版本 × 分析任务、数据问题、输出契约、用户与决定 × 数据溯源、快照、权限、模式、业务定义与时间 × 解析、模式链接、查询、代码、公式、计算与可视化 × 结果支持、中间值、关键数字、不确定性、图表与叙述 × 全部任务、文件、失败、方差、人工修正、复核时间、时延与成本 × 目标流程边界和截止日期”。一个正确数字只是一个观察，不是可迁移的能力证明。
一手来源与不可外推边界
这些来源分别约束半结构化表格问答、跨库 Text-to-SQL、表格事实核验、财务数值推理、大型数据库与端到端 CSV 分析 Agent。
来源于 2026 年 8 月 30 日重新核对。每项保留发布日期、方法作用与不可外推边界。
2015 年 7 月发布WikiTableQuestions — Compositional Semantic Parsing on Semi-Structured Tables
引入面向多样化半结构化维基百科表格的自然语言问题，要求完成查找、比较、聚合与排序等操作。
边界单个维基百科表格与答案值评分不能证明来源发现、电子表格公式、数据库写入、图表质量、溯源或高后果商业分析能力。
打开一手来源 ↗2018 年 10—11 月发布Spider — Cross-Domain Semantic Parsing and Text-to-SQL测试面对未见数据库模式的复杂 Text-to-SQL 泛化，包含 200 个数据库上的 10,181 个问题与 5,693 条独立 SQL 查询。
边界整理后的模式、标注问题与 SQL 精确比较不能证明实时数据库中的值对齐、脏数据处理、查询效率、权限或安全执行。
打开一手来源 ↗2019 年 9 月 5 日发布TabFact — Table-Based Fact Verification提供基于 16,000 个维基百科表格的 118,000 条人工蕴含／反驳陈述，用于测试语言与符号表格推理。
边界针对单表的二元核验不能证明开放式分析、缺失值处理、因果主张、预测、可视化或完整决策支持能力。
打开一手来源 ↗2021 年 9 月 1 日发布FinQA — Numerical Reasoning over Financial Data将财务报告上的专家问题与可执行推理程序配对，呈现数值答案背后的运算及中间步骤。
边界选定报告、问题模板与标准程序不能证明当前财务准确性、会计政策解释、审计性，或对投资及管理决定的适用性。
打开一手来源 ↗2023 年 5 月 4 日发布BIRD — Large-Scale Database-Grounded Text-to-SQL中国团队主导的基准在 95 个数据库、37 个专业领域中加入大型数据库、脏值、外部知识与 SQL 效率评估。
边界基准执行准确率与效率不能证明访问控制、生产模式漂移、事务安全、业务定义正确性或下游决定质量。
打开一手来源 ↗2024 年 1 月 10 日发布InfiAgent-DABench — Agents on Data Analysis Tasks中国团队主导的基准让数据分析 Agent 与执行环境交互，并在源于 CSV 文件的封闭式问题上进行端到端评估。
边界有限 CSV 集与封闭式评分不能证明探索性分析、模糊利益相关者需求、视觉沟通、治理、隐私或可靠长时运行能力。
打开一手来源 ↗继续核对