DSAEval

新的DSAEval基准测试AI数据科学代理

一项名为DSAEval的新基准测试已被引入，用于在真实世界问题上评估数据科学代理。该基准测试包括多模态感知、多查询交互以及跨越推理、代码和结果的多维度评估。在评估中，Claude Sonnet 4.5总体表现最佳，而MiMo-V2-Pro和GPT-5.2分别在持续时间和步长效率方面表现出色。研究还发现，多模态感知显著提高了视觉任务的性能，尽管在非结构化数据领域仍存在挑战。