DataSpace-Builder

新的DataSpace基准测试AI代理在异构数据上的表现

引入了一个名为DataSpace的新基准，用于评估数据代理在跨不同数据格式执行可验证分析的能力。该基准包含超过400个任务和7000个工件，总计15 GB，涵盖CSV、JSON、SQLite、Markdown、PDF和视频等格式。DataSpace也是KDD Cup 2026竞赛的官方评估平台。当前前沿的多模态模型在此基准上的准确性有限，凸显了多模态证据整合和数据代理可靠性方面存在的重大挑战。